【作者：都锦阳 彭昌猛 审核：穆炯】
近日，学院彭昌猛研究团队在图像处理领域取得了重要进展，相关成果发表在国际顶级期刊IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)。该期刊由 IEEE于1991年创办，致力于发布视频和图像技术领域的最新研究成果，属于视频图像技术领域国际顶级期刊，JCR一区和中科院一区Top期刊，影响因子IF=11.1。论文题为Latent Space Embedding for Bit-Depth Enhancement: Synergize with Super-Resolution。四川农业大学为该论文的唯一完成单位，青年教师彭昌猛博士为该论文的通讯作者。计算机科学与技术专业202203班都锦阳同学为该论文的独立第一作者，这也是目前信息工程学院本科生群体中以独立一作身份发表的影响因子最高的非开源期刊成果。
图1 基于比特和空间信息联合的比特深度增强算法原理
极低比特量化对于降低图像传感器复杂度和成本有显著意义，但采集的低比特深度（LBD）失真严重。比特深度增强（BDE）技术旨在从LBD输入中恢复无失真的高比特深度（HBD）图像，但现有方法在极低比特场景下大多无法进行有效重建。为此，该论文提出一种融合噪声整形、隐空间（Latent Space）建模与自适应融合的新框架以解决上述问题。首先，基于噪声整形方法，引入Sigma-Delta量化，实现低冗余、高可逆性的低比特图像采集；其次，基于视觉平均特性与逆问题变换（IPT），首次引入条件后验分布，通过分层特征发现模块生成多尺度特征并嵌入潜空间，从而在隐空间中对低分辨率（LR）与高比特图像间的关联进行建模，进而实现高效的跨分辨率表示学习；为实现空间信息与比特信息的有效交互及自适应融合，在网络构建中引入分层特征发现模块以生成多尺度低比特-低分辨率图像对，同时通过自适应加权块根据特征信息量进行动态融合，以实现高频伪影的抑制与细节的恢复。实验表明，该方法在多个基准数据集上达到当前最优水平，且在极端比特深度增强任务中显著优于现有最优模型。作者团队还将探索把该方法扩展到极低比特场景下的视频增强任务，并进一步融入生成式建模以解决复杂退化问题，从而为低比特图像传感器场景下的高比特图像视频生成提供新思路。
都锦阳同学自进入大学开始，便对学习和科研表现出极大热情，从大二下开始便进入彭昌猛老师的课题组，在导师引导下积极参加科研课题、大学生竞赛等活动，目前以第一作者发表SCI收录论文1篇、授权专利1项，另获得多项省级及以上竞赛奖励。这是学院本科生首次以第一作者在中科院一区TOP期刊发表论文，同时也是学院加强本科生科研能力培养，大力支持本科生科学研究的成果体现。
图2 高比特图像生成质量对比
论文链接：https://ieeexplore.ieee.org/document/11223713
