面向视频的画质增强处理

本项目针对低画质图像和视频，研究面向视频的画质增强处理技术。在传统图像序列配准算法的基础上，结合视频光流信息，研究基于视频的图像序列高精度配准算法。在正则化超分辨率重建方法的基础上，利用视频帧间时间和空间上的关联性，重构先验模型和对退化参数进行估计，并研究基于硬件加速技术的视频超分辨率重建解决方案。研究在约束条件下对卷积核进行表示与求解方法；利用视频帧间的关联性以及设备参数信息建立盲卷下的先验模型，简化盲卷下变化核估计。研究高效的视频去运动模糊算法，利用视频帧间关联性，重建去运动模糊的迭代模型并加速反卷积运算效率；研究基于硬件加速技术的视频去运动模糊解决方案。研制面向视频的画质增强处理软件系统。由于视频超分辨率重建与去运动模糊的复杂性和特殊性，且在实际媒体中问题的普遍性，本项目研究可望推动数字娱乐、影视制作、视频监控、医学诊断等广泛领域中视频画质增强理论及应用的发展，具有重大意义。

项目整体实施顺利，各项任务按预定计划完成。项目组高质量的完成了既定目标，共发表高水平论文17篇（其中SCI论文6篇，EI论文8篇）,外加8人次特邀报告，取得了丰硕的研究成果；在团队建设方面，课题负责人作为带头人申请2012年教育部创新团队发展计划，作为主要参与人申请国家级工程技术中心，夯实和加强了课题组的研究基础，构建并完善了实验室的研究梯队；在国内外交流方面，课题组成员在ACDDE、CVM、CASA、ICME等知名国内外会议上作大会特邀报告或论文宣讲，进一步扩大了课题组的学术影响力；在人才培养方面，课题组共培养7名博士(已毕业4名)，15名硕士。其中有5名研究生获得国家奖学金，2人次获得国家自然科学基金青年/地区科学基金项目，1人获得上海市浦江人才计划。.本项目已经取得了突出的成果。在图像配准方面，项目组提出了高效的区域自适应立体匹配算法，对于特定的区域针对性算法会有更好的精度，因此该算法针对不同区域注重采取不同的聚集策略[ICALIP 2012]。在视频分割方面，项目组基于自适应多层窄带，通过多层窄带图割算法，在图像金字塔上逐层精化，在确保分割结果的精确性前提下，大大降低了时空的消耗[Science China Information Sciences 2012]。在图像增强方面，项目组提出一种新的锐度增强方法，能够在增强图像锐度特征的同时有效的维持边缘特征。主要包括三个梯度域操作：锐度特征表示、基于相似度的梯度调节、梯度域图像重建[The Visual Computer 2012]；此外提出一种新颖的面向高质量图像合成的锐度转移方法，能够自动合理地转移目标图像的锐度特征到源图像上。上述研究工作已发表在期刊[Advanced Science Letters 2012]。在视频去运动模糊方面，项目难点在于对未知核的估计和解盲卷，项目组提出了一种基于梯度增强的核估计优化模型：通过多次迭代获取全局运动模糊核[VRCAI 2011]。在系统开发与应用方面，项目组提出了海量图片智能化重压缩框架，能根据不同的应用需求对图片进行定制化的高效重压缩。首先得到一个初始压缩级别，然后将输入图片压缩到不同的级别，并利用客观评价方法来度量结果图相似度，最后设置一系列的系统参数实现定制化的海量图片压缩。该方法取得成功商业应用，每年节省宽带费用千万以上 [JCST2012]