真实降质的图像复原方法探讨
数学专题报告
报告题目(Title)：真实降质的图像复原方法探讨
报告人(Speaker)：刘俊（东北师范大学）
地点(Place)：后主楼1328
时间(Time)：2026年6月15日（周一）8:30-9:30
邀请人(Inviter)：段玉萍
报告摘要
本报告围绕真实降质条件下的图像复原问题，从噪声干扰去除与复杂场景恢复两个维度展开探讨。在图像噪声干扰方面，泊松-高斯混合噪声会严重影响图像的视觉质量和效果，给后续处理和分析带来极大不便，针对这类噪声的盲去除难题，我们提出了变分贝叶斯深度网络（VPGNet）。该网络通过将深度网络与变分贝叶斯框架相融合，构建噪声参数推理网络，既能够解决传统深度学习模型易过拟合、泛化能力弱的问题，还可实现对混合噪声的自动估计与高质量去除，在图像实际视觉效果和信噪比等方面均优于其他同类算法；针对强噪声干扰下的图像去模糊问题，提出了残差引导策略（RGS），利用图像金字塔相邻尺度这一图像先验信息引导模糊核估计，在噪声类型和强度未知的情况下仍能获得准确估计。在复杂场景恢复方面，提出了基于秩一先验（ROP）的实时恢复框架，将退化图像建模为清晰图像与秩一矩阵的叠加，以O(N)复杂度实现多场景高效复原；在此基础上，针对真实去雾任务中先验方法受限、监督方法域偏移的问题，进一步提出深度条件自监督去雾方法，将深度信息作为几何条件先验嵌入联合优化，兼顾物理可解释性与自监督灵活性。上述方法分别从噪声建模、模糊核估计、退化先验设计与自监督学习等核心角度切入，全方位提升了真实降质图像复原的鲁棒性与适应性。
主讲人简介
刘俊，东北师范大学数学与统计学学院教授，博士生导师，吉林国家应用数学中心东北师范大学分中心执行主任。研究方向为底层视觉中的数学模型与深度学习方法。主持国家自然科学基金面上项目与青年项目、中国博士后科学基金面上项目、吉林省科技厅和教育厅等科研项目以及东北师范大学中央高校基本科研项目。已在国际重要期刊上发表SCl论文40余篇，部分成果见刊于J. Sci. Comput.，IEEE Trans. Pattern Anal.，Inform Fusion及计算机视觉重要会议CVPR、ECCV和ICCV等。
