结合时空统计学习的视频超分辨自适应稀疏正则化理论与算法

随着电视广播、会议电视、网络视频、移动视频等广泛业务范围应用需求以及3G\4G网络的迅猛发展,视频传输服务质量(QoS) 保障是多媒体通信网络亟待解决的关键问题，视频超分辨作为后处理视觉质量提升技术成为目前研究热点。项目研究结合时空统计学习的视频超分辨自适应稀疏正则化理论与算法。创新性在于：通过深入挖掘视频序列中帧内和帧间的近远程相关性，建立视频序列时空相关性的MRF和时间受限玻尔兹曼机的统计模型和相似块匹配搜索和聚类编组方法，提出基于核回归和自回归等统计学习的自适应非局部正则性图像先验模型；挖掘帧内图像结构化稀疏性、相邻帧间的联合稀疏性，提出一套相关性编组、自适应非局部先验与稀疏性先验等复合正则化的视频超分辨建模理论与优化方法；基于编组、稀疏域3维协同滤波和聚合框架，提出一套不需要运动估计的视频超分辨高性能算法。项目对于推动视频超分辨重建、视频理解和模式识别具有重要理论意义。

随着公共安全、遥感观测等高分辨探测和模式识别的需求，低质图像的质量和分辨率提升非常重要。电视广播、会议电视、网络视频、移动视频等广泛业务范围应用需求以及3G\4G 网络的迅猛发展,视频传输服务质量(QoS) 保障是多媒体通信网络亟待解决的关键问题，图像与视频超分辨作为视觉质量后处理提升技术成为目前研究热点。项目研究结合时空统计学习的视频超分辨自适应稀疏正则化理论与算法。. 项目建立了视频序列的MRF和时间受限玻尔兹曼机的时空相关性模型和相似块匹配搜索和聚类编组方法；提出了结合回归统计学习和自适应非局部正则化图像超分辨方法；提出了高阶与自适应正则化图像盲复原及其算子分裂方法；提出了高动态范围图像对比度增强的变分模型和色彩感知变分贝叶斯Retinex模型；深入研究了相关性编组、自适应非局部先验与稀疏性先验等复合正则化的视频超分辨重建理论和优化方法；提出和设计了图像块对稀疏表示与流形学习、3维协同滤波和聚合的视频超分辨高性能算法。另外，结合回归学习和稀疏正则化方法，推广应用于高维多通道图像的超分辨、多模态融合增强、分类与分割等应用，取得了系列前期探索性研究成果。. 项目组合计发表论文50 篇。其中国际期刊30篇，国内核心刊物10 篇，国际会议10篇。SCI收录 28篇。合计申请和授权国家发明专利10项，其中授权国家发明专利6项；研制了i-Deblur, i-Envideo, i-vRecoveryTrack等面向公共安全图像的质量提升和目标追踪的软件系统，登记软件著作权4项。. 项目对于实际公共安全图像与视频处理和智能分析具有广阔应用前景。同时推动图像与视频超分辨重建、高维信息理解和模式识别具有重要理论意义。