《基於圖像稀疏特性的圖像表示、編碼與重建研究》是依託北京大學，由劉家瑛擔任負責人的面上項目。
基本介紹
- 中文名：基於圖像稀疏特性的圖像表示、編碼與重建研究
- 項目負責人：劉家瑛
- 項目類別：面上項目
- 依託單位：北京大學
項目摘要,結題摘要,
項目摘要
隨著多媒體技術的迅猛發展和網際網路社交網路的廣泛興起，數字圖像作為多媒體信息中最重要的視覺信息載體，逐漸給人們生產生活和信息溝通方式帶來巨大的變革。當前數字圖像採集設備的普及對數字圖像處理提出了更高的挑戰。如何根據圖像固有性質和人類視覺特性尋求高效的圖像表示、建模及重建方法，具有十分重要的意義。本項目將圍繞圖像稀疏特性對圖像表示建模、稀疏編碼和重建套用展開深入的研究，通過分析新興媒體領域圖像高層語義和底層結構信息，重點研究和實現結構化圖像稀疏表示模型；並根據圖像上下文信息，提出高效魯棒的稀疏編碼方法，以提高圖像稀疏重建的有效性和魯棒性；最後根據對稀疏表示模型在不同圖像重建領域的套用特性分析，設計和實現一種基於圖像稀疏特性的統一重建框架。本項目的研究，對於稀疏表示理論的研究，建立基礎研究與套用平台，增強圖像稀疏表示模型在不同領域的擴展性，進一步推動圖像稀疏表示理論和方法的發展具有重要的意義。
結題摘要
在新興多媒體套用環境下，傳統稀疏表示理論與方法面臨字典表征能力不足的問題，而利用外部較好的先驗信息，結合圖像自身的上下文信息能夠增強傳統係數模型的建模表示能力，從而有效支撐圖像稀疏表示模型在不同領域的擴展。本項目重點研究了圖像稀疏特性的表示與建模、高效魯棒的稀疏編碼方法以及基於圖像稀疏特性的重建套用中的核心技術。在核心算法的研究上，實現基於圖像稀疏特性的表示與建模框架，結合高層視覺手段與底層結構約束度量，充分挖掘自然圖像信號的固有稀疏特性，有效提升字典學習算法的性能；在圖像稀疏編碼與重建的研究基礎上，實現高效魯棒的稀疏編碼方法，解決稀疏編碼理論中字典基元選取與圖像信號本徵維度估計的兩個重要問題，進一步提升傳統稀疏編碼方法的魯棒性和結構復原性能。本項目從圖像稀疏特性的表示建模出發，以高效魯棒的稀疏編碼方法為核心，構建多種領域映射模式下的統一重建框架，提升基於圖像稀疏模型的重建方法在不同領域的兼容性和易用性，從而實現圖像稀疏表示重建的全面全效支持，對促進稀疏表示模型的理論基礎研究和數值最佳化技術的發展，有十分重要的科學意義和廣泛的套用價值。 依託本項目共發表論文30篇，其中，SCI索引5篇，EI索引29篇，包括頂級國際期刊和頂級國際會議的11篇文章，它們是圖像處理領域的頂級國際期刊IEEE TIP 1篇，視頻處理領域的頂級國際期刊IEEE TCSVT 1篇，計算機視覺領域頂級國際會議CVPR/ICCV/ECCV總計5篇，人工智慧頂級國際會議AAAI/IJCAI總計2篇，多媒體領域頂級國際會議ACM MM 1篇，壓縮編碼領域的頂級國際會議DCC 1篇。申請國家發明專利58項，其中授權專利19項。
