《基於先驗建模的圖像與視頻高效算法研究》是依託西安交通大學，由孫劍擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於先驗建模的圖像與視頻高效算法研究
- 項目類別：青年科學基金項目
- 項目負責人：孫劍
- 依託單位：西安交通大學
中文摘要,結題摘要,
中文摘要
圖像（包括視頻圖像）先驗即為自然圖像或特定類型圖像所具有的一般性規律，體現了計算機或人對圖像的先驗性認識。研究圖像先驗對於解決圖像的基本表達、圖像/視頻處理與理解具有重要的指導意義。本項目關注如何挖掘和建模圖像的先驗信息，並用於約束圖像/視頻處理模型的解空間，以更好地實現圖像表達，並指導解決圖像和視頻處理中的基本問題。本項目將主要研究圖像的統計先驗和稀疏表達先驗，研究目標是：建立圖像與視頻數據特徵的新的統計先驗模型和稀疏表達先驗模型，並基於此提出解決圖像及視頻處理基本問題（包括圖像或視頻恢復、超解析度、增強、填充問題等）的模型與算法。進一步地，基於並行處理硬體設備（如並行計算機集群和圖形處理器GPU設備），發展圖像/視頻先驗模型的快速學習算法，並初步實現基於先驗的高效圖像/視頻處理軟體系統平台。
結題摘要
圖像先驗即為自然圖像或特定類型圖像所具有的一般性規律，體現了計算機或人對圖像的先驗性認識，圖像先驗是解決圖像處理中逆問題的高效方法。本項目主要研究和建立新的圖像先驗模型並套用於解決圖像處理基本問題。 該課題的主要成果可概述為以下三方面：1. 在圖像先驗的建模理論與算法方面，提出了非局部範圍的Markov隨機場統計先驗(Non-local Range MRF model, IEEE CVPR 2011)、可分核的Markov隨機場統計先驗（Separable MRF model, IEEE TIP 2013）、以及圖像梯度場輪廓先驗（IEEE TIP 2011）模型。2. 在圖像先驗的套用研究方面，提出了基於MRF先驗的圖像梯度場融合算法（Information Fusion 2013）以及基於MRF先驗和GPU設備的快速圖像與視頻恢復處理程式。3. 作為該課題的拓展，在圖像中層表達與圖像識別方面，提出了基於組稀疏先驗的高判別能力圖像Part的學習算法(ICCV 2013)。 上述研究成果成功地建立了新的圖像統計先驗模型及其學習算法，並在圖像去噪、填充、融合、去模糊、識別等問題中取得了具有優勢的處理效果，相關論文發表於圖像處理領域頂級國際會議或期刊，並獲得了同行的認可。上述研究成果在工業自動化、國防、視頻監控等相關等領域具有廣泛的套用前景。
