图像统计特性的随机场建模与应用

There are various statistics in the images.The image statistics modeling, which aims to sufficiently use the image statistics to improve the performance of image processing and analysis, has being the focus in the literature. However, how to satisfy the exigent application requirements is still a serious challenging task. In recent years, random field models show significant potentials in the literature of image statistics modeling. Therefore, based on the random fields, this project will develop new theories and methods to model and use the multiple image statistics in multiple scales, and meanwhile to efficiently satisfy the various application requirements from image analysis tasks, which deal with the multiple scenes and multiple contents in different task modes. The research contents of this project are as follows:(1) Basic statistics models from the local images will be presented, which are suitable for the requiment of representation and utilization by the random fields; (2) The new random field models of statistics from the global images will be developed, which are founded on the previously developed basic statistics models, and can capture the complex statistics of the global images; (3) The random field models to fuse multiple statistics will be proposed,which include a new hidden random field and a new multiple random field ensemble model,and can capture the multiple statistics in multiple scales; (4) Taking the image restoration and image classification as examples, this project will investigate the application strategy of the random field models for image statistics, and aim to develop generic methods for the model application and implementation.

图像中存在形式多样的统计特性。旨在充分利用这些特性提高图像处理与分析性能的统计特性建模一直受到广泛关注。如何很好满足迫切的应用需求仍然面临严峻的挑战。近年兴起的随机场模型在这方面具有极大潜力。本课题旨在研究基于随机场模型的图像统计特性建模和应用的新理论和新方法，实现多层次多类型图像统计特性统一建模，高效适应具体任务多图像场景、多图像内容和多任务模式的应用需求。本课题拟开展如下研究：（1）研究局部图像统计特性的基础模型，使构建模型适合随机场表述和利用；（2）研究全局图像统计特性的随机场模型，构建基于特性基础模型的新随机场模型，实现全局图像复杂统计特性建模；（3）研究多统计特性的随机场融合模型，构建新的单隐随机场和多随机场组合模型，实现多层次多类型统计特性统一建模；（4）研究图像统计特性随机场模型的应用策略，以图像复原和分类为研究对象，建立普适性的模型实现和应用方法。

无论单幅图像还是具体场景类别的图像集中，都存在形式多样的统计特性。这些统计特性可以作为先验信息在贝叶斯推断中使用，能够很好地解决图像存在的模糊性和不确定性等问题，提高图像处理与分析的性能。本课题以自然和遥感图像的复原和分类作为实际应用对象，针对图像统计特性建模和应用的新理论和新方法展开了深入研究，取得了三方面的研究成果： （1）在图像统计特性基础模型的构建与应用研究方面，提出了针对图像块外部统计特性、外部统计特性的多样化、深度统计特性的多样化、目标类别统计特性等建模的新方法，有效实现对不同统计特性的构建和应用；（2）在全局图像统计特性的构建与应用研究方面，提出了针对图像中语义全局统计特性、图像标签的高层语义统计特性、个性标记数据库的统计特性、 正则化反卷积网络图像统计特性等构建的新模型和实现方法，在图像复原和分类中验证了研究方法的优异性能；（3）在多统计特性的融合与应用研究方面，提出了自适应组合内部和外部统计特性的方法、PCA域组合内外统计特性的组合方法、融合图像中空谱统计特性的条件随机场模型方法、融合图像中空谱统计特性的组合MRF与GPC模型方法、融合图像中深度与结构统计特性的模型方法、融合图像中多统计特性的随机树场模型方法、融合图像中多统计特性和多任务的模型方法等，通过多类型统计特性的组合应用，提高了图像复原与分类的性能。. 项目执行期间共取得阶段性研究成果28项，其中出版专著1部、国际期刊论文12篇、国际会议论文6篇、国内核心期刊论文6篇、国防专利1项，人才奖励2项。所发表论文中，包括IEEE T-NNLS、IEEE T-GRS、IEEE J-STSP、IEEE J-STARS等本领域顶级学术期刊7篇，SCI检索12篇。通过本项目的实施，培养博士生4人、硕士4人、其他在读研究生3人。