压缩感知中图像重建的稀疏优化模型与高性能算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61772003
  • 项目类别:
    面上项目
  • 资助金额:
    53.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份:
    2021
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2021-12-31

项目摘要

Compressed sensing is a new developed information acquisition technology, which aims at reconstructing a sparse image (including signal) from a set of incomplete measurements. Due to its significant advantage in reducing the cost of data acquisition and processing, compressed sensing has became a hot research topic with a wide range of applications in various fields. Despite the considerable progress of previous research, most existing methods still leave room for further investigation on reducing the sampling requirement and improving the reconstruction performance. This project will focus on the mathematical modeling and the algorithmic design in image reconstruction and perform research on the following three aspects: (1) study new nonconvex sparsity metrics and their theoretical properties; (2) develop sparse optimization models for image reconstruction with theoretical support, based on exploitation of the latent image sparsity and incorporation of the proposed sparsity metric; (3) design high-performance algorithms for solving the proposed models and analyze their theoretical properties. This project will help to improve the accuracy and the performance of image reconstruction in compressed sensing, and will simultaneously advance theoretical understanding and algorithmic developments in sparse optimization.
压缩感知是一种从少量采样数据中重建稀疏图像(包括信号)的新型信息获取技术。由于其在降低数据采集和处理成本方面的巨大优势,压缩感知已成为近年来的研究热点并在多个领域得到了广泛的应用。现有方法在降低采样需求、提升图像重建效果等关键问题的研究上仍需进一步探索和发展。本项目将围绕图像重建中的数学建模与算法设计开展三方面研究:(1) 研究可刻画数据稀疏性的新型非凸度量函数及其理论;(2) 深入挖掘待重建图像潜藏的稀疏性,结合提出的稀疏度量函数建立图像重建的稀疏优化模型并提供理论支持;(3) 设计求解所建模型的高性能算法并进行理论分析。本项目的研究对于提高压缩感知中图像重建的精度和性能、丰富稀疏优化的理论和方法有重要意义。

结项摘要

近年来,压缩感知已成为研究热点并在多个领域得到了广泛的应用。本项目围绕压缩感知中图像重建的稀疏优化模型与高性能算法展开研究,研究主线为:发展刻画数据稀疏性/低秩性的新型凸/非凸度量函数及其理论—基于新型度量函数建立图像重建的稀疏优化模型—设计高性能求解算法,取得了丰硕的研究成果。项目组不仅针对压缩感知中图像重建问题给出了一系列稀疏优化模型和高性能算法,还将稀疏优化模型和高性能算法研究拓展至高维图像处理领域,如遥感图像去噪和视频雨线去除等问题。研究成果表明项目组圆满完成预期计划,项目的完成对推动图像重建问题的稀疏优化模型和高性能算法的发展起到积极作用。在项目资助期间,项目组发表 SCI 期刊论文23篇,其中IEEE Trans.系列期刊12篇;国际顶级会议(中国计算机学会A类推荐会议)2篇,分别发表于AAAI和ICCV。1项成果荣获中国工业与应用数学学会第十六届年会学生论文竞赛优秀论文奖,2项成果分别荣获第一届和第二届川渝科技学术大会优秀论文一等奖。培养1名青年教师入选四川省学术和技术带头人后备人选,1名青年教师晋升为教授,1名青年教师入选电子科技大学校百人计划并特聘为研究员,已毕业博士生11名、硕士生8名,在读博士生6名、硕士生多名。

项目成果

期刊论文数量(23)
专著数量(0)
科研奖励数量(3)
会议论文数量(2)
专利数量(0)
A Novel Inpainting Algorithm for Recovering Landsat-7 ETM+ SLC-OFF Images Based on the Low-Rank Approximate Regularization Method of Dictionary Learning With Nonlocal and Nonconvex Models
基于非局部非凸模型字典学习低秩近似正则化方法的Landsat-7 ETM SLC-OFF图像修复新算法
  • DOI:
    10.1109/tgrs.2019.2908381
  • 发表时间:
    2019-09-01
  • 期刊:
    IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING
  • 影响因子:
    8.2
  • 作者:
    Miao, Jiaqing;Zhou, Xiaobing;Zhou, Zhaoming
  • 通讯作者:
    Zhou, Zhaoming
Double-Factor-Regularized Low-Rank Tensor Factorization for Mixed Noise Removal in Hyperspectral Image
用于高光谱图像混合噪声去除的双因子正则化低阶张量分解
  • DOI:
    10.1109/tgrs.2020.2987954
  • 发表时间:
    2020
  • 期刊:
    IEEE Transactions on Geoscience and Remote Sensing
  • 影响因子:
    8.2
  • 作者:
    Yu-Bang Zheng;Ting-Zhu Huang;Xi-Le Zhao;Yong Chen;Wei He
  • 通讯作者:
    Wei He
Low-Rank Tensor Completion Using Matrix Factorization Based on Tensor Train Rank and Total Variation
使用基于张量序列秩和总变差的矩阵分解的低秩张量补全
  • DOI:
    10.1007/s10915-019-01044-8
  • 发表时间:
    2019-11-01
  • 期刊:
    JOURNAL OF SCIENTIFIC COMPUTING
  • 影响因子:
    2.5
  • 作者:
    Ding, Meng;Huang, Ting-Zhu;Yang, Jing-Hua
  • 通讯作者:
    Yang, Jing-Hua
Hyperspectral Super-Resolution via Interpretable Block-Term Tensor Modeling
通过可解释的块项张量建模实现高光谱超分辨率
  • DOI:
    10.1109/jstsp.2020.3045965
  • 发表时间:
    2020-06
  • 期刊:
    IEEE Journal of Selected Topics in Signal Processing
  • 影响因子:
    7.5
  • 作者:
    Meng Ding;Xiao Fu;Ting-Zhu Huang;Jun Wang;Xi-Le Zhao
  • 通讯作者:
    Xi-Le Zhao
Nonlocal Tensor Completion for Multitemporal Remotely Sensed Images' Inpainting
多时相遥感图像修复的非局部张量补全
  • DOI:
    10.1109/tgrs.2018.2790262
  • 发表时间:
    2018-06-01
  • 期刊:
    IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING
  • 影响因子:
    8.2
  • 作者:
    Ji, Teng-Yu;Yokoya, Naoto;Huang, Ting-Zhu
  • 通讯作者:
    Huang, Ting-Zhu

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

对称不定线性系统的不定预处理技术
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    电子科技大学学报
  • 影响因子:
    --
  • 作者:
    李良;黄廷祝
  • 通讯作者:
    黄廷祝
区间矩阵稳定的充分条件
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    黄廷祝;钟守铭
  • 通讯作者:
    钟守铭
Robust Stability of Uncertain Large-Scale Dynamical System with Delay
时滞不确定大动力系统的鲁棒稳定性
  • DOI:
    --
  • 发表时间:
    1995
  • 期刊:
    控制理论与应用
  • 影响因子:
    --
  • 作者:
    钟守铭;李正良;黄廷祝
  • 通讯作者:
    黄廷祝
基于移位反射边界条件的图像复原
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    中国科学:信息科学
  • 影响因子:
    --
  • 作者:
    黄捷;黄廷祝;赵熙乐;徐宗本
  • 通讯作者:
    徐宗本
Poisson方程有限差分逼近的两种保对称Stencil消元格式
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算物理
  • 影响因子:
    --
  • 作者:
    李厚彪;刘兴平;谷同祥;黄廷祝;李红
  • 通讯作者:
    李红

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

黄廷祝的其他基金

基于新型张量网络分解的高维图像复原模型与高性能算法研究
  • 批准号:
    12171072
  • 批准年份:
    2021
  • 资助金额:
    51 万元
  • 项目类别:
    面上项目
稀疏优化算法及预条件子加速技术与图像处理研究
  • 批准号:
    61370147
  • 批准年份:
    2013
  • 资助金额:
    77.0 万元
  • 项目类别:
    面上项目
数字图像复原大规模问题的高性能算法研究
  • 批准号:
    61170311
  • 批准年份:
    2011
  • 资助金额:
    56.0 万元
  • 项目类别:
    面上项目
不定线性方程组和鞍点系统的算法与求解器及应用研究
  • 批准号:
    60973015
  • 批准年份:
    2009
  • 资助金额:
    30.0 万元
  • 项目类别:
    面上项目
电磁散射分析中矩阵计算快速算法与求解平台前期研究(数学与其他学科交叉的前期研究)
  • 批准号:
    10926190
  • 批准年份:
    2009
  • 资助金额:
    10.0 万元
  • 项目类别:
    数学天元基金项目
电磁计算中大规模线性代数方程组的预条件技术与高效算法
  • 批准号:
    10771030
  • 批准年份:
    2007
  • 资助金额:
    18.0 万元
  • 项目类别:
    面上项目
基于内容的图像视频检索的理论和算法研究
  • 批准号:
    60372012
  • 批准年份:
    2003
  • 资助金额:
    7.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码