结合时空统计学习的视频超分辨自适应稀疏正则化理论与算法

项目名称： 结合时空统计学习的视频超分辨自适应稀疏正则化理论与算法

项目编号： No.61171165

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 电子学与信息系统

项目作者： 肖亮

作者单位： 南京理工大学

项目金额： 60万元

中文摘要： 随着电视广播、会议电视、网络视频、移动视频等广泛业务范围应用需求以及3G\4G网络的迅猛发展,视频传输服务质量(QoS) 保障是多媒体通信网络亟待解决的关键问题，视频超分辨作为后处理视觉质量提升技术成为目前研究热点。项目研究结合时空统计学习的视频超分辨自适应稀疏正则化理论与算法。创新性在于：通过深入挖掘视频序列中帧内和帧间的近远程相关性，建立视频序列时空相关性的MRF和时间受限玻尔兹曼机的统计模型和相似块匹配搜索和聚类编组方法，提出基于核回归和自回归等统计学习的自适应非局部正则性图像先验模型；挖掘帧内图像结构化稀疏性、相邻帧间的联合稀疏性，提出一套相关性编组、自适应非局部先验与稀疏性先验等复合正则化的视频超分辨建模理论与优化方法；基于编组、稀疏域3维协同滤波和聚合框架，提出一套不需要运动估计的视频超分辨高性能算法。项目对于推动视频超分辨重建、视频理解和模式识别具有重要理论意义。

中文关键词： 图像与视频超分辨；稀疏表示；高阶正则化；非局部正则化；变分贝叶斯

英文摘要：

英文关键词： Image and Video super-resolution；Sparse Representation；Higher Order Regularization；Non-Local Regularization；Variational Bayesian