《圖像運動模糊不變數特徵學習》是依託重慶大學，由張太平擔任項目負責人的面上項目。
基本介紹
- 中文名：圖像運動模糊不變數特徵學習
- 項目類別：面上項目
- 項目負責人：張太平
- 依託單位：重慶大學
中文摘要,結題摘要,
中文摘要
在軍、民用領域對相關目標監控和信息獲取中，載體平台受複雜環境的影響，獲取的視頻圖像信息存在各種運動模糊,這對目標的分析、理解帶來不同程度的困難。因此開展圖像運動模糊不變數特徵學習是適應國民經濟和社會發展的需要，具有現實的理論意義和工程套用價值。本課題圍繞運動圖像的模糊不變數特徵學習這一主題，通過引入統計信息保持的正則項，構建適合運動模糊圖像的稀疏學習模型，開展統計信息保持正則化稀疏表示模型與算法的研究，實現模糊不變數的提取；從運動模糊模型出發，結合稀疏表示理論，研究數據驅動的自適應卷積稀疏表示的模型與算法，在實現稀疏模糊圖像不變數特徵學習的同時達到圖像自適應去模糊處理；在深度學習的框架下，研究線性稀疏表示和非線性稀疏表示的有機結合，建立深度稀疏表示模型與算法；實現運動模糊圖像的不變性特徵有效學習。
結題摘要
實際套用中常遇到低質圖像，如運動模糊，給圖像分析與理解造成了很大的困難，本項目針對傳統的歐式距離不能很好地刻畫圖像的內在特性的缺點，項目研究了統計信息保持正則化稀疏表示模型與方法，通過研究分布保持的嵌入方法，利用正則化技術加入到稀疏表示模型中，實現了統計信息保持的正則化稀疏表示模型與方法，將分布保持理論與子空間學習理論有機結合， 實現了分布保持的子空間學習模型與方法。 針對基於運動模糊模型和稀疏表示模型，建立數據驅動的自適應卷積稀疏表示模型，為自適應去模糊化處理取得了良好效果。 基於深度學習框架，研究了稀疏非負嵌入網路，構建多層稀疏表示深度模型，取得了良好效果，課題也研究了多尺度時空殘差網路，實現了對運動目標特徵的有效提取。 針對圖像運動模糊不變數學習，我們研究了面向單個圖像的稀疏表示模型與算法，其具有擁有稀疏表示的優點，而且表示係數具有很強的幾何含義， 刻畫了物體的幾何特性，對圖像模糊、光照、遮擋具有很好的魯棒性， 該稀疏表示係數對圖像模糊區域有很好的鑑別能力。到目前為止，本項目共發表了10篇學術論文，其中在國際SCI期刊上發表論文7篇，申請了6項專利，其中授權1項
