基于深度学习的图像恢复模型研究与应用

课题名称: 基于深度学习的图像恢复模型研究与应用
学科专业: 计算机科学
课题关键词: 深度学习图像恢复深度模型优化图像恢复应用
辅导模式: 1对1
发表目标: CCF-C
课题介绍: 图像数据作为信息传递的重要载体，在采集、传输与存储过程中易受噪声干扰、运动模糊、压缩失真等因素影响导致质量退化，严重制约后续视觉任务的可靠性。基于模型驱动的传统图像恢复方法，如稀疏表示、变分方法等，因依赖人工设计先验，在复杂退化场景下恢复效果受限。近年来，深度学习凭借强大的特征学习与非线性拟合能力，在图像恢复领域取得突破性进展。以卷积神经网络（CNN）、生成对抗网络（GAN）、Transformer为代表的深度模型，通过端到端学习从大量数据中挖掘退化规律，显著提升了超分辨率重建、去噪、去模糊等任务的性能。然而，现有模型在复杂真实场景适应性、恢复结果的视觉一致性与计算效率之间的平衡等方面仍存在优化空间。因此，深入研究基于深度学习的图像恢复模型，探索更鲁棒的特征表达与高效推理机制，对推动计算机视觉技术在医疗影像、遥感监测、文化遗产保护等实际领域的应用具有重要理论价值与应用前景。

导师信息

科研导师

Prof. Neuron

985高校副教授

导师介绍

研究领域：图像分类,目标检测,语义分割,深度学习学术成果：以唯一第一作者/通讯作者发表论文36篇，其中SCI论文32篇，SCI一区Top/CCF-A类论文15篇；中国计算机学会会员、教育部学位与研究生教育评审专家；主持和参加了10余项国家和省部级科研项目，兼职多个期刊的审稿人；博士期间曾到新加坡南洋理工大学联合培养；担任国际期刊Computer Science and Technology、American Journal of Artificial Intelligence编委；5次担任国际会议程序委员和技术委员；完成国际期刊审稿 120 余次，国际会议审稿

招生要求

面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。