基于先验建模的图像与视频高效算法研究

图像（包括视频图像）先验即为自然图像或特定类型图像所具有的一般性规律，体现了计算机或人对图像的先验性认识。研究图像先验对于解决图像的基本表达、图像/视频处理与理解具有重要的指导意义。本项目关注如何挖掘和建模图像的先验信息，并用于约束图像/视频处理模型的解空间，以更好地实现图像表达，并指导解决图像和视频处理中的基本问题。本项目将主要研究图像的统计先验和稀疏表达先验，研究目标是：建立图像与视频数据特征的新的统计先验模型和稀疏表达先验模型，并基于此提出解决图像及视频处理基本问题（包括图像或视频恢复、超分辨率、增强、填充问题等）的模型与算法。进一步地，基于并行处理硬件设备（如并行计算机集群和图形处理器GPU设备），发展图像/视频先验模型的快速学习算法，并初步实现基于先验的高效图像/视频处理软件系统平台。

图像先验即为自然图像或特定类型图像所具有的一般性规律，体现了计算机或人对图像的先验性认识，图像先验是解决图像处理中逆问题的高效方法。本项目主要研究和建立新的图像先验模型并应用于解决图像处理基本问题。..该课题的主要成果可概述为以下三方面：1. 在图像先验的建模理论与算法方面，提出了非局部范围的Markov随机场统计先验(Non-local Range MRF model, IEEE CVPR 2011)、可分核的Markov随机场统计先验（Separable MRF model, IEEE TIP 2013）、以及图像梯度场轮廓先验（IEEE TIP 2011）模型。2. 在图像先验的应用研究方面，提出了基于MRF先验的图像梯度场融合算法（Information Fusion 2013）以及基于MRF先验和GPU设备的快速图像与视频恢复处理程序。3. 作为该课题的拓展，在图像中层表达与图像识别方面，提出了基于组稀疏先验的高判别能力图像Part的学习算法(ICCV 2013)。..上述研究成果成功地建立了新的图像统计先验模型及其学习算法，并在图像去噪、填充、融合、去模糊、识别等问题中取得了具有优势的处理效果，相关论文发表于图像处理领域顶级国际会议或期刊，并获得了同行的认可。上述研究成果在工业自动化、国防、视频监控等相关等领域具有广泛的应用前景。