基于视觉先验建模的压缩视频表示与重建方法研究

生物体对视觉信息的处理不仅依赖于视觉信息本身的特征，更依赖于视觉先验信息，即大脑所归纳与记忆的有关自然图像的一般性规律：图像加先验知识，才产生认知。本课题从视觉通路以及人类视觉特性两个方面，理解与总结人类视觉系统的机理；并以此为基础，研究自然图像和视频中与视觉感知过程中视觉先验信息相对应的一般性规律的归纳与学习，以及与其相应的视频压缩问题中的关键技术。重点研究内容包括：建立并完善与视觉先验信息相应的自然图像一般性规律的形式化数学描述-自然图像先验建模的理论与方法，研究普适、高效的自然图像先验模型学习方法与图像表示方法；进而针对传统编码技术面临的效率瓶颈问题，研究融合视觉先验信息的压缩视频表示与重建策略及方案，设计视频编码过程中有效的视觉信息预测与恢复方法，以及最终结合这些技术如何在较高压缩率下获得高质量的重构图像。力争突破传统编码技术面临的效率瓶颈，为下一代编码技术提供方案，奠定基础。

哈尔滨工业大学姜峰教授领导的课题组，在国家自然科学基金项目“基于视觉先验建模的压缩视频表示与重建方法研究究”（编号：61100096）的资助下，对上述问题进行了深入的研究。项目的执行严格依照研究计划的安排，按分层次，由简单到复杂的整体思路，即由自然图像一般性规律的形式化数学描述到融合视觉先验的视频编码，将问题一步一步引向深入。两条主线着眼点不同，但却彼此联系协作。在理解与总结人类视觉系统机理的基础上，完成两个方向的目标：建立并完善视觉先验信息形式化数学描述——自然图像先验建模的理论和方法，研究出普适高效的自然图像先验模型学习方法与图像表示方法；结合视频编码框架，提出融合视觉先验信息的压缩视频表示与重建方案，设计出编码过程中有效的视觉信息预测与恢复方法；最终综合以上，研究出基于视觉先验的在较高压缩率下获得高质量重构图像的方法，突破传统编码技术面临的效率瓶颈，为下一代编码技术提供方案，奠定基础。与研究计划相比，成功圆满地完成了项目的研究计划。