科研学术

分享到微信 ×
打开微信“扫一扫”
即可将网页分享至朋友圈
英才学院本科生在Knowledge-Based Systems发表研究成果
文:陈志远 王俊入 图:陈志远 来源:英才学院 时间:2022-04-21 14399

  近日,电子科技大学英才实验学院2019级本科生陈志远在中科院一区期刊Knowledge-Based Systems发表论文“Nonlocal-based tensor-average-rank minimization and tensor transform-sparsity for 3D image denoising”。陈志远为论文第一作者,张量建模与计算团队赵熙乐教授为通讯作者。

  高维图像(如视频、多光谱图像和高光谱图像等)的去噪问题是底层计算机视觉中的前沿基础科学问题之一,发展高维图像去噪问题的模型和算法具有重要的科学意义和实际应用价值。如何根据高维图像(即张量)的先验知识来设计相应正则项是数学建模的关键。在挖掘高维图像非局部相似块组成张量的先验知识基础上,该论文首次提出了融合低秩张量正则和张量变换域稀疏正则的非局部张量去噪模型(如图1所示)。一方面,所建模型基于张量-张量乘积(tensor-tensor product),其在处理高维图像时不会破坏高维图像内部结构;另一方面,所建模型能够同时充分挖掘张量的低秩性和张量变换域稀疏性。为求解所建非凸优化模型,该论文设计了临近交替最小化(proximal alternating minimization)算法并证明了算法的理论收敛性。大量的仿真实验和真实实验结果表明所提方法在视觉质量和定量评价指标上均优于当前先进的方法(如LRTA、TDL和KBR等),如图2所示。

b8e83690eec377f67e2e2b12820d30f8_cdce7.p

图1 非局部张量去噪模型及相应流程图

a7c7aebfc8aba1018efbd37a6b1bc65e_cdce7.p

图2 不同方法在高斯噪声下的去噪结果

  陈志远同学于2020年加入黄廷祝教授带领的张量建模与计算团队,在赵熙乐教授指导下进行基于数学方法和深度学习方法的高维图像复原问题研究。该团队近年来在高水平学术期刊和会议上发表文章,如应用数学权威SIAM 系列期刊(SIIMS和SISC)和图像处理权威IEEE系列期刊(TIP、TNNLS、TCYB、TCI和TGRS)及人工智能权威会议CVPR和AAAI等。团队科研育人氛围浓厚,近年来赵熙乐老师已指导多名学院本科生发表高水平学术会议和期刊文章,如CVPR、IEEE TGRS、IEEE SPL、KBS和IEEE JSTARS等(本科生均为第一作者),获四川省第十五届挑战杯二等奖。


编辑:助理编辑  / 审核:林坤  / 发布:陈伟