《基於壓縮感知理論的圖像採樣、編碼和重建研究》是依託北京大學，由張健擔任負責人的面上項目。
基本介紹
- 中文名：基於壓縮感知理論的圖像採樣、編碼和重建研究
- 項目負責人：張健
- 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
隨著圖像數據量的顯著增大、圖像解析度的成倍提高、移動設備拍照等一些套用的日漸普及，現有的圖像編解碼技術在發展中遇到了瓶頸和新的挑戰。因此，探索從理論上突破現有架構，建立新一代的圖像編解碼框架已經成為一個亟需解決的核心問題。本項目將研究基於壓縮感知理論的新型高效圖像編解碼技術，分別從採樣、編碼與重建三個層面開展。具體內容包括：設計簡單有效的基於0-1二值稀疏壓縮感知隨機測量矩陣，便於硬體實現和節省成本；根據自然圖像固有特性，設計能夠獲取高相關性測量值的稀疏隨機測量矩陣，研究高效編碼方案;針對自然圖像中存在的高度空間相關性，研究預測方向自適應的壓縮感知測量值編碼，提高圖像編碼效率；建立具有更加緊緻表達的圖像結構稀疏模型，構造考慮量化過程的圖像壓縮感知軟重建目標函式；設計高效魯棒的最佳化問題疊代求解算法。本項目可取得理論創新與技術突破，為基於壓縮感知理論的新一代的圖像編解碼技術的研發起到積極推動。
結題摘要
隨著圖像數據量的顯著增大、圖像解析度的成倍提高、移動設備拍照等一些套用的日漸普及，現有的圖像編解碼技術在發展中遇到了瓶頸和新的挑戰。因此，探索從理論上突破現有架構，建立新一代的圖像編解碼框架已經成為一個亟需解決的核心問題。本項目研究基於壓縮感知理論的新型高效圖像編解碼技術，分別從採樣、編碼與重建三個層面開展。主要研究內容包括：根據自然圖像固有特性，設計能夠獲取高相關性測量值的稀疏隨機測量矩陣；建立具有更加緊緻表達的圖像視頻結構稀疏模型，構造考慮量化過程的圖像壓縮感知軟重建目標函式；設計高效魯棒的最佳化問題疊代求解算法，獲得了主流最好的效果。另外，在重建處理方面，提出了新型的基於聚類和協同表示的超解析度算法以及基於限制非凸低秩模型的去塊效應算法；在編碼壓縮方面提出了自適應運動矢量精度預測算法等。本項目共發表高水平學術論文9篇，都是本領域的國際頂級期刊和國際頂級會議，包括2篇T-IP,3篇T-CSVT,1篇T-MM和3篇DCC。
