报告名称：基于深度学习的图像恢复

报 告 人：数学与统计学院-王卫卫 教授

报告时间：2021年11月27日 9：00-10：30

报告地点：B5-201

报告人介绍：

王卫卫，6165cc金沙总站检测中心教授、博士生导师。分别于1993，1998和2001年在6165cc金沙总站检测中心应用数学系获得应用数学专业学士、硕士和博士学位。曾在澳大利亚悉尼大学、美国宾夕法尼亚大学、杜兰大学、新奥尔良大学、香港理工大学做访问研究。兼任陕西省计算数学学会副理事长（2014-2019）。主要研究方向：机器学习、图像处理的数学方法。主持完成国家自然科学基金面上项目2项。曾获陕西省科技奖1项。在科学出版社合作出版科研专著《图像处理的变分与偏微分方程方法》一部，在国内外重要学术期刊与会议上合作发表论文70余篇，SCI检索论文30余篇，发表期刊包括IEEE Trans. on Image Processing，IEEE Trans. On Circuits and Systems for Video Technology, SIAM J. on Multiscale Modeling and Simulation，Pattern Recognition，Signal Processing等。

报告简介：

深度卷积网络具有强大的图像特征学习能力，在图像恢复、图像分割、图像分类、目标检测等任务中得到了广泛应用。本报告介绍深度卷积网络在图像恢复中的应用及一个新模型。该模型首先将RED正则的图像恢复模型进行算子分裂，将其分解为数据拟合子问题与正则化子问题的迭代格式，对数据拟合子问题利用FFT给出一个闭式解，对正则化子问题给出一个简单的非精确闭式解，并在其中嵌入一个新设计的多尺度卷积网络去噪器，然后将整个迭代过程展成一个端到端神经网络模型。最后给出模型的收敛性分析和性能分析。