標(biāo)題：基于多重互補(bǔ)先驗(yàn)的圖像復(fù)原方法研究
報(bào)告時(shí)間：2024年11月25日（星期一）15：30-16：30
報(bào)告地點(diǎn)：人民大街校區(qū)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院111教室
主講人：查志遠(yuǎn)
主辦單位：數(shù)學(xué)與統(tǒng)計(jì)學(xué)院
報(bào)告內(nèi)容簡(jiǎn)介：
近年來(lái)，利用深度模型的研究在多種圖像復(fù)原（IR）任務(wù)中取得了優(yōu)異的效果。然而，這類(lèi)方法通常是有監(jiān)督的，需要與待恢復(fù)圖像分布相似的大量訓(xùn)練圖像。而傳統(tǒng)的淺層方法通常是無(wú)監(jiān)督的，在許多逆問(wèn)題（如圖像去模糊和圖像壓縮感知）中依然表現(xiàn)出有競(jìng)爭(zhēng)力的性能，因?yàn)樗鼈兛梢杂行Ю米匀粓D像的非局部自相似先驗(yàn)。然而，這些方法大多基于圖像塊，導(dǎo)致圖像塊聚合時(shí)出現(xiàn)偽影，并且計(jì)算速度較慢。單獨(dú)使用深度或淺層方法通常會(huì)限制圖像復(fù)原任務(wù)的性能和泛化能力。本研究提出了一種聯(lián)合低秩和深度（LRD）的圖像模型，該模型包含一對(duì)多重互補(bǔ)先驗(yàn)：內(nèi)部和外部先驗(yàn)、淺層和深層先驗(yàn)，以及非局部和局部先驗(yàn)。基于該模型，設(shè)計(jì)了一種新的混合插拔式（H-PnP）框架用于圖像復(fù)原，并提出了一種簡(jiǎn)單而高效的算法來(lái)求解基于H-PnP的圖像復(fù)原問(wèn)題。在多個(gè)具有代表性的圖像復(fù)原任務(wù)（包括圖像去模糊、圖像壓縮感知和圖像去塊效應(yīng)）上的廣泛實(shí)驗(yàn)表明，所提出的H-PnP算法在客觀(guān)指標(biāo)和視覺(jué)感知方面均優(yōu)于多種流行或最新的圖像復(fù)原方法。
主講人簡(jiǎn)介：
查志遠(yuǎn)，吉林大學(xué)唐敖慶英才教授，博士生導(dǎo)師,國(guó)家級(jí)高層次青年人才。曾擔(dān)任新加坡南洋理工大學(xué)電氣與電子工程學(xué)院高級(jí)研究員（Senior Research Fellow），目前從事圖像視頻處理、稀疏信號(hào)處理、機(jī)器學(xué)習(xí)與人工智能方面的研究工作。在國(guó)際期刊和會(huì)議上以第一作者發(fā)表論文30多篇，包括IEEE SPM、 IEEE TIP、IEEE TNNLS以及IEEE TCYB等。 他曾以第一作者身份榮獲國(guó)際多媒體旗艦會(huì)議IEEE International Conference on Multimedia and Expo最佳論文鉑金獎(jiǎng)和最佳論文Runner-Up獎(jiǎng)。他目前擔(dān)任國(guó)際人工智能、圖像處理頂級(jí)期刊IEEE Transactions on Image Processing編委（Associate Editor）、Signal Processing期刊和The Visual Computer期刊的編委。主持國(guó)家自然科學(xué)基金面上項(xiàng)目。
