学术报告第201731期

报告题目：图像复原——从稀疏，低秩到深度模型

报 告 人：顾舒航 博士（香港理工大学）

报告时间：6月16日9:30

报告地点：南一楼中311室

摘要：图像复原作为图像处理、计算机视觉领域的经典问题，一直都得到了广泛的研究和关注。多年来，稀疏、低秩以及深度学习模型都在图像复原问题上取得了成功。本次报告介绍报告人在博士期间关于图像复原的一系列工作：在合成与解析稀疏表达模型的框架下对现有的经典图像复原模型进行了对比分析，介绍了一种基于低秩模型的图像去噪方法。他分析了低秩模型可以理解为一种2维的解析稀疏模型，针对原有核范数无法灵活惩罚奇异值的问题，提出了加权核范数的方法。提出一种基于卷积稀疏编码的图像超分辨率模型。通过卷积实现全图分解，避免了基于块实现的方法中重合区域的取平均的操作。

简介：顾舒航，分别于2010, 2013和2017年于北京航空航天大学，太阳集团1088vip以及香港理工大学获得本科，硕士和博士学位。博士期间他的研究方向主要为图像复原，提出了一系列基于稀疏表达，低秩先验以及深度学习的图像复原方法，并在图像去噪、超分辨以及深度图增强等应用取得了成功。研究成果已发表在计算机视觉领域的顶级会议及期刊，包括CVPR, ICCV, NIPS, IJCV.