可视数据的张量低秩建模关键技术及应用研究

The techniques for visual data processing and analysis are required by many applications, such as public security, computer-aided diagnosis, industrial inspection, and film entertainment, which also have broadly industrial prospects. A key issue in these techniques is how to represent visual data and model their inherent properties. It has been a popular problem in the field of video processing, computer vision, machine learning, and data mining. The research focuses on the tensor-based theory for visual data representation and key techniques, and explores the methods for modeling the low-rank property of visual data in the tensor space. In order to achieve this goal, we mainly investigate the following problems: tensor subspace clustering, fast tensor decomposition, low-rank modeling, and optimization methods. These four parts being closely connected form a whole solution for the tensor low-rank representation, upon which we further study its possible applications in visual data recovery and anomaly detection. The research achievements will provide new theoretical methods and a series of efficient techniques for addressing the loss of structure information and the high computational costs that exist in the current techniques. Therefore, this research is very significantly in theoretical and practical aspects.

可视数据处理与分析技术在公共安全、计算机辅助诊断、工业检测以及影视娱乐等领域具有广泛的应用需求和广阔的产业前景。其关键问题之一是如何对可视数据进行有效表示和特性建模，此问题也是视频图像处理、计算机视觉、机器学习和数据挖掘等领域的共性热点问题。本项目研究可视数据的张量低秩建模关键技术与应用，以可视数据的张量表示理论为切入点，探索数据低秩性在张量空间的建模理论和方法。项目围绕张量低秩建模，就张量子空间聚类、张量快速分解、低秩建模以及模型求解方法等开展研究工作，四部分研究内容紧密联系，形成可视数据张量低秩建模的整体解决方案。在此基础上，研究张量低秩模型在可视数据复原和异常检测方面的应用。本项目的研究将为解决可视数据处理中存在的结构信息丢失和计算复杂度高等问题提供新的理论和系列有效技术，为上述领域共性热点问题的解决提供新的思路和方法。因此，项目的完成具有很好的理论意义和应用价值。

可视数据分析的关键问题是如何对可视数据进行有效表示和特性建模以及如何对表示模型进行快速计算，这也是视频图像处理、计算机视觉、机器学习和数据挖掘等领域的共性热点问题。本项目聚焦可视数据的张量低秩建模关键技术与应用，以可视数据的张量表示理论为研究切入点，提出了数据低秩张量表示模型以及快速计算方法。围绕张量低秩建模、模型求解方法及其等价深度网络模型等开展了研究工作，形成了可视数据张量低秩建模的整体解决方案。在此基础上，进一步研究了张量低秩模型及其等价深度模型在数据增强与复原、显著性检测、异常区域分割等方面的具体应用。相关研究成果为解决可视数据处理中存在的鲁棒性低且计算复杂度高等问题提供了一系列新技术和新方法。