基于稀疏建模的视频图像编码与重建方法研究

Human beings receive information from the world mostly by the vision. With the rapid development of information technologies, video applications are becoming increasingly important in our daily lives. However, we still face some big challenges. How can we restore high quality images from non-ideal signals captured by a device or received from a channel? How can we reduce the data volume of a video signal as much as possible while maintaining most of its visual content? What is the proper representation for images and videos so that they can be robustly communicated over a rapidly-varying noisy channel? The key to solve the above problems is efficient image and video modeling. In this project, we will investigate efficient sparse representation model for images and videos, and propose efficient coding schemes and high quality reconstruction schemes for robust transmission of images and videos over noisy channels.

视觉是人类从外界获取信息的主要载体。随着信息技术的飞速发展，视频在生活中日益发挥着重要作用，但仍然面临着一些巨大挑战。如何能从采集或接收的非理想信号中恢复出高质量的图像？如何能最大限度地压缩视频信号的数据量，同时尽可能保留原有视觉内容？如何对视频进行表示编码才更适合在动态变化的噪声信道下传输？解决以上问题的核心是充分有效地利用视频图像内在的相关性。本项目将研究视频图像的稀疏表示方法，对视频图像内在的相关性寻求更准确的统计模型，并以此为基础，研究适合鲁棒传输的视频图像的高效编码以及高质量重建方法。

随着信息技术的飞速发展，视频图像在生活中的应用越来越广泛。但视觉信息的采集、编码与传输仍然面临着各种挑战。本项目的目标是：研究更有效的统计建模和稀疏表示方法，使得视频图像在此表示下的稀疏性接近最大化；研究如何利用稀疏模型来获得视频图像更高效、更鲁棒的编码表示；研究如何利用稀疏表示，对采集或接收的非理想视频图像信号进行高质量恢复重建；在此基础上，形成适合鲁棒传输的视频图像高效编码及高质量重建方案。.在项目实施过程中，我们密切围绕“视频图像高效编码及高质量重建”这一目标开展深入研究，主要研究了以下问题：（1）视频图像的稀疏建模方法；（2）视频图像的高效编码方法；（3）视频图像的高质量重建方法。.本项目取得的主要研究成果包括：（1）针对视频图像的统计建模、高效编码、高质量重建等核心问题，在理论与技术方法等方面取得一定突破，代表性工作获得国际同行的认可；（2）在论文方面，在视频编码与图像处理领域具有重要影响力的权威国际期刊上发表论文13篇(包括IEEE T-IP6篇、IEEE T-CSVT6篇)，影响因子总和超过50；在主流国际会议上发表论文29篇；（3）本项目中关于利用图像自适应联合统计模型进行超分辨率重建的工作获得IEEE国际会议“视频通讯与图像处理(VCIP)”2017年度最佳学生论文奖；（4）在专利方面，申请了国家发明专利5项，获得国家发明专利授权2项；（5）基于项目的研究工作，项目组成员参加了14次国际学术会议，进行会议论文宣讲并和国际同行进行学术交流探讨，增强了团队在国际上的学术可见度；（6）促进了对8名博士生、3名硕士生和1名博士后的培养。