李晖晖，女，副教授。科研方向:
【1】图像处理
主要在图像复原、去噪、分割、配准、多源图像信息融合及目标解译方面开展研究工作。随着成像传感器技术的发展，可得到的图像信息源数量非常巨大，如何从海量的图像数据中获取目标的重要信息非常关键，需要对多源图像源综合及融合处理，因此包括图像复原、去噪、分割、配准在内的各种预处理技术与多源图像信息融合及目标解译技术是非常重要的。本课题组长期从事这一方向的研究，研究成果已在重要期刊及会议发表多篇论文，获得多项国家发明专利授权和软件著作权登记，并出版《图像融合》专著1本。
【2】稀疏表示理论、多尺度几何分析理论
在高维情况下，小波分析并不能充分利用数据本身特有的几何特征，并不是最优的或“最稀疏”的函数表示方法。稀疏表示及多尺度几何分析发展的目的和动力正是要致力于发展一种新的高维函数表示方法，克服传统二维小波变换在方向性、稀疏性等方面的不足。稀疏及多尺度几何分析方法包括冗余字典、Ridgelet、Curvelet、Contourlet、Shearlet、Bandlet、Beamlet、Wedgelet、Surfacelet、Directionlet等。
本课题组从2005年开始这一方向的研究，主要研究多尺度几何分析理论及在图像处理中的应用。研究成果已在重要期刊和会议上发表多篇论文。
【3】压缩感知
在传统采样过程中, 为了避免信号失真, 采样频率不得低于信号最高频率的2倍。 然而对于数字图像、视频的获取, 依照香农（Shannon）定理会导致海量采样数据, 大大增加了存储和传输的代价。压缩感知是近年来的新兴理论，突破了香农采样定理的瓶颈，为数据采集技术带来了革命性的突破。压缩感知采用非自适应线性投影来保持信号的原始结构, 通过数值最优化问题准确重构原始信号。优点在于信号的投影测量数据量远远小于传统采样方法所获的数据量, 使得高分辨率信号的采集成为可能。目前得到了研究人员的广泛关注，在压缩成像、信道编码、生物医学、天文学等领域有巨大的应用潜力，且越来越多地出现在更多应用领域。本课题组从2010年开始这一方向的研究。