標題：基于多重互補先驗的圖像復原方法研究
報告時間：2024年11月25日（星期一）15：30-16：30
報告地點：人民大街校區數學與統計學院111教室
主講人：查志遠
主辦單位：數學與統計學院
報告內容簡介：
近年來，利用深度模型的研究在多種圖像復原（IR）任務中取得了優異的效果。然而，這類方法通常是有監督的，需要與待恢復圖像分布相似的大量訓練圖像。而傳統的淺層方法通常是無監督的，在許多逆問題（如圖像去模糊和圖像壓縮感知）中依然表現出有競爭力的性能，因為它們可以有效利用自然圖像的非局部自相似先驗。然而，這些方法大多基于圖像塊，導致圖像塊聚合時出現偽影，并且計算速度較慢。單獨使用深度或淺層方法通常會限制圖像復原任務的性能和泛化能力。本研究提出了一種聯合低秩和深度（LRD）的圖像模型，該模型包含一對多重互補先驗：內部和外部先驗、淺層和深層先驗，以及非局部和局部先驗。基于該模型，設計了一種新的混合插拔式（H-PnP）框架用于圖像復原，并提出了一種簡單而高效的算法來求解基于H-PnP的圖像復原問題。在多個具有代表性的圖像復原任務（包括圖像去模糊、圖像壓縮感知和圖像去塊效應）上的廣泛實驗表明，所提出的H-PnP算法在客觀指標和視覺感知方面均優于多種流行或最新的圖像復原方法。
主講人簡介：
查志遠，吉林大學唐敖慶英才教授，博士生導師,國家級高層次青年人才。曾擔任新加坡南洋理工大學電氣與電子工程學院高級研究員（Senior Research Fellow），目前從事圖像視頻處理、稀疏信號處理、機器學習與人工智能方面的研究工作。在國際期刊和會議上以第一作者發表論文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際多媒體旗艦會議IEEE International Conference on Multimedia and Expo最佳論文鉑金獎和最佳論文Runner-Up獎。他目前擔任國際人工智能、圖像處理頂級期刊IEEE Transactions on Image Processing編委（Associate Editor）、Signal Processing期刊和The Visual Computer期刊的編委。主持國家自然科學基金面上項目。
