何传江 - 重庆大学 - 数学与统计学院

个人简介

基本信息何传江，博士，重庆大学数学与统计学院副院长，重庆大学第六届学术委员会委员，重庆市第二届学科学术技术带头人，重庆市“322重点人才工程”人才，重庆市第五批高校优秀中青年骨干教师，“中国科协高层次人才库”入库人选教育背景 1981.09--1985.07 四川大学数学系数学专业学习，获理学学士学位 1985.09--1988.07 四川大学数学系应用数学专业硕士生学习，获理学硕士学位工作经历 1988.09--2001.01 重庆大学应用数学系（1998.07合并为理学院）教师（期间：1991.03评聘为讲师；1995.03评聘为副教授） 2001.01--2004.11 重庆大学数理学院教师（其间：2000.09--2004.06重庆大学自动化学院控制理论与控制工程专业博士研究生学习，获工学博士学位） 2004.11--2010.04 重庆大学数理学院副院长（期间：2005.10评聘为教授） 2010.04-- 现在重庆大学数学与统计学院副院长科研项目 1. 非凸非光滑高阶变分正则和非局部变分正则图像复原研究，国家自然科学基基金项目，2016.1-2019.12（与湖北民院唐利明联合申报） 2. 非线性发展方程解的性质和图像处理中的应用，国家自然科学基基金项目， 2014.1-2017.12，第一主研（负责人：穆春来） 3. 图像处理和无线多媒体传感器网络技术研究，重庆市科委自然科学基金项目，2010.10-2013.10，第一主研（负责人：穆春来） 4. 混合分形图象编码算法研究，重庆市科委自然科学基金项目，2007.09- 2009.09，负责人 5. 重庆大学研究生课程体系试点项目——构建硕博贯通培养的研究生课程体系，2014.6-2016.6，负责人 6. 数学类专业核心系列课程建设，重庆大学大类系列课程建设项目，2009.12- 2012.12，负责人主讲课程主讲本科生课程：线性代数，复变函数，复变函数与积分变换，概率论与数理统计，数学思维与数学文化，数学物理方程，数学分析主讲研究生课程：矩阵论，偏微分方程理论及应用，偏微分方程数值解研究生培养已培养学历硕士67名，博士12名（含留学生1名）。

研究领域

研究方向先后从事偏微分方程理论、图像处理（分形图像编码，数字水印）、偏微分方程应用（图像处理，期权定价模型）等研究。

近期论文

查看导师最新文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

主要成果发表学术论文120余篇，发表期刊主要有：《SIAM J. Image Sciences》，《IEEE Signal Proc Lett》，《IEEE J-STARS》，《IEE Electron Lett》，《IEE Proc.-Vision Image Signal Process》，《J Math Imaging Vision》，《Signal Process》，《J Electron Imaging》，《Infrared Phys Techn》，《Neuoncomputing》，《Nonlinear Anal-Real》，《Appl Math Model》，《Linear Algebra Appl》，《Math Comput Model》，《Applied Math Comput》，《Dynam Cont Dis Ser B》，《Math Inequal Appl》，《J Math Inequal》，《Banach J. Math Anal》，《Italian J. Pure Appl Math》，《Appl Stoch Model Bus》，《计算机学报》，《软件学报》，《计算机研究与发展》，《模式识别与人工智能》，《计算机辅助设计与图形学学报》，《中国图象图形学报》等。代表性学术论文（近5年）： 1. A backscattering-suppression-based variational level-set method for segmentation of SAR oil slick images, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Volume: PP, Issue: 99, 30 August 2017, p.1-10 2. A fast and effective algorithm for a poisson denoising model with Total Variation, IEEE Signal Processing Letters, vol. 24, no. 3, 2017 3. Indirectly regularized variational level set model for image segmentation. Neurocomputing, 171(2016) 194-208 4. A variational model with barrier functionals for Retinex. SIAM Journal on Imaging Sciences, vol. 8, no. 3, 2015 5. A convex variational level set model for image segmentation. Signal Processing, 106 (2015) 123-133 6. Multiscale Texture Extraction with Hierarchical (BV,Gp ,L2) Decomposition. Journal of Mathematical Imaging and Vision, 2013 , 45(2) :148-163 7. An adaptive level set evolution equation for contour extraction. Applied Mathematics & Computation, 2013 , 219(24) :11420-11429 8. Fractional order total variation regularization for image super-resolution. Signal Processing, 2013 , 93(9) :2408-2421 9. Variational level set methods for image segmentation based on both L(2) and Sobolev gradients. Nonlinear Analysis-Real World Applications, 2012 , 13(2) : 959-966 10. Adaptive level set evolution starting with a constant function. Applied Mathematical Modelling, 2012, 36 (7): 3217-3228