【讲座题目】一种改进的自适应视频超分辨率算法

【讲座时间】2018年5月18日（周五）10:00-12:00

【讲座地点】北京校部主楼E1009

【主 讲 人】José Carlos M. Bermudez教授

【主讲人简介】

José Carlos M. Bermudez教授是巴西弗洛里亚诺波利斯圣卡塔琳娜联邦大学（UFSC）电气工程教授。1978年获得巴西里约热内卢里约热内卢联邦大学（UFRJ）学士学位，1978年获得理学硕士学位。 1981年在COPPE / UFRJ学位获得博士学位。1985年在加拿大蒙特利尔Concordia大学获得电子工程学位。他于1985年加入巴西南卡罗来纳州弗洛里亚诺波利斯的圣卡塔琳娜联邦大学（UFSC）电气工程系。他目前是电气工程学教授。他多次在加拿大蒙特利尔Concordia大学，法国图卢兹大学和法国尼斯大学担任访问研究员。他的研究课题涉及使用连续时间和采样数据系统的模拟信号处理。他最近的研究课题是数字信号处理，包括线性和非线性自适应滤波，主动噪声和振动控制，回声消除，图像处理和高光谱成像。Bermudez教授在1994年至1996年以及1999年至2001年期间担任IEEE TRANSACTIONS ON SIGNAL PROCESSING在自适应滤波领域的副编辑。从1998年到2004年，他是IEEE信号处理协会信号处理理论和方法技术委员会成员，并从2014年至今再次成为该委员会的成员。他是2015年7月至今的IEEE TRANSACTIONS ON SIGNAL PROCESSING高级区域编辑。他自2002年起担任IEEE高级会员。

【内容简介】

超分辨率重建（SRR）是数字图像质量改进的一种成熟方法。SRR基本上包括组合相同场景或物体的多个低分辨率（LR）图像，以获得一个或多个更高分辨率（HR）的图像，优于图像传感器的物理限制。视频SRR算法通常包括一个时间正则化，该时间正则化约束了相邻时刻之间解决方案变化的规范。这引入了关于相邻帧之间的相关性的信息，并倾向于确保视频一致性随时间的一致性，从而改善重构序列的质量。虽然有几种技术已经使SRR算法的质量有了相当大的提高，但这种改进并不是免费的。这些算法的计算成本非常高，这使得它们不适用于实时SRR应用。特别是，实时视频SRR应用程序需要简单的算法。正则化最小均方（R-LMS）是更简单的SRR算法中的一个值得注意的例子。在实际情况下，它的质量已被证明是具有竞争力的，即使是昂贵且精心制作的算法。但不幸的是，它的性能已知会在创新离群值的存在下严重降级。本讲座将介绍一种新的自适应视频SRR算法，与R-LMS算法相比，该算法对异常值具有改进的鲁棒性。该算法基于R-LMS更新方程的新解释，作为关联成本函数的近端正则化，关于先前估计线性化，这导致其在不同情况下更好地理解其质量性能和鲁棒性。