超低采样下的非凸压缩传感建模与优化

This project is aimed to research the nonconvex Compressed sensing (CS) image and video reconstruction with ultra-low sampling rate in the area of multimedia transmission and signal processing. In order to tackle the problems, such as modeling difficulty, low reconstruction accuracy and low resolution of the reconstructed signal, and get better reconstructed images and videos efficiently, we first study the modeling of nonconvex CS reconstruction with ultra-low sampling rate, exploring the reasonable description of the CS reconstruction from several new aspects. Then, we research the design of effective nonconvex CS algorithms so that accurate reconstructed signals could be obtained. At last, for the reconstructed signals, we expect to develop the superresolution approaches based on multi-dictionary learning to enhance the resolution of reconstructed images and videos. This project will contribute in enriching the theories of CS modeling and optimization, increasing the data transmission efficiency of image and video sensing systems and promoting fast development in the filed of multimedia signal processing.

本项研究以多媒体传输和信息处理为背景，主要针对图像和视频的非凸压缩传感技术。为了解决超低采样率下压缩传感“描述难”，“重建精度低”以及“分辨率不足”等问题，得到质量更高的重建图像和视频，本项目将首先开展超低采样下非凸压缩传感的建模研究，从不同角度探索超低采样下压缩传感重建问题的本质。然后，基于所建立模型，研究并设计有效求解模型的非凸优化压缩传感重建算法，以取得对超低采样信号精确的重构。最后，针对重建后的图像和视频分辨率不足的情况，我们研究基于多字典学习的超分辨率重建方法，更高效地提高重建信号的分辨率和视觉质量。本项目将丰富压缩传感技术的建模和优化理论体系，提高图像和视频感知系统的传输效率，推动多媒体信号处理领域的快速发展。

本项目的研究目标为围绕超低采样下非凸压缩传感建模与优化这一科学问题，研究超低采样下非凸压缩传感的建模，进而研究精确的非凸压缩传感重建算法，以及后处理过程中高效的图像/视频超分辨重建方法，实现超低采样下图像和视频感知重建的优化理论和方法创新。力图在 CS非凸感知重建上实现核心理念与关键方法上的突破，取得原创性的科研成果。项目组共发表学术论文14篇，其中包括国际SCI期刊9篇（第一作者或通讯作者论文7篇），国际会议5篇（第一作者或通讯作者3篇），申请中国发明专利3项。项目组成员中4位同学获得工学硕士学位。其中梁俊威完成学业后，赴新加坡南洋理工大学继续攻读博士学位，张秋丹完成学业后，赴香港城市大学继续攻读博士学位。总之，课题组按照研究计划如期执行，完成了预期的研究和人才培养目标。