为做好2020年度云南省科学技术奖提名工作，加强对提名项目的监督，按照《云南省科技厅关于2020年度云南省科学技术奖提名工作的通知》（云科奖发〔2019〕4号）要求，现将云南民族大学拟提名2020年度云南省科学技术奖项目基本情况、项目简介、候选人和候选单位对项目的贡献情况、代表性论文专著或获得知识产权情况、项目曾经获得科技奖励情况等主要内容进行公示。公示期内，任何对公示内容有异议的单位或个人，请以实名及书面材料的方式向云南民族大学科技处反映。

公示时间：2020年7月13日—7月19日

联系电话：0871-65918678

云南民族大学科技处

                                                                                                                                     2020年7月13日

成果名称：基于矩阵值算子的超分辨率重建理论与方法

完成单位：云南民族大学

完成人：唐轶

成果简介：清晰的图像是人们永恒的追求。然而，成像设备的物理极限制约了人们获取对高分辨率图像的能力。借助机器学习方法，超分辨率算法可突破物理极限的制约，获取更加清晰的图像数据。在超分辨率算法的研究中，图像特征的提取、表示和应用是决定算法性能的重要因素。该成果从图像的自然结构——矩阵形式出发，提出了基于矩阵值算子的图像特征提取、表示和应用的系统化解决方案。进而，从数学原理及实验分析两方面验证了该方案训练时间短、恢复精度高的两大特点。

本成果是在国家自然科学基金委地区项目“超分辨率中的矩阵值算子问题（61462096）”，云南省应用基础研究计划面上项目“图对信息分析中的张量算子学习问题（2014FB148）”支持下完成，项目起止时间为2015.1-2018.4。

项目组围绕矩阵值算子开展了超分辨率算法设计及理论基础分析的研究工作。主要的研究内容如下：

1)   低-高分辨率图像样本对超分辨率信息的矩阵值算子表示问题。

2)   图像相似性度量的多核（multi-kernel）表示问题。

3)   多核算法收敛性能的理论与实验分析问题

    主要发现及创新点

项目“超分辨率中的矩阵值算子问题”依托国家自然科学基金委地区项目及云南省应用基础研究计划面上项目，针对自然图像超分辨率问题，开展了图像特征的提取、表示及应用的算法设计及理论分析的研究工作。提出了图像矩阵型特征，建立了图像对应关系的矩阵值算子表示方法，得到了基于矩阵值算子的新型超分辨率算法及相关理论分析。该类算法能有效减少训练时间，提高超分辨率图像的恢复精度。

项目将矩阵值算子作为低-高分辨率图像样本对的特征表示应用于自然图像超分辨率重建，旨在解决常规低-高分辨率图像样本对的特征表示的问题，项目围绕超分辨率信息点算子表示、图像相似性度量、多核机器学习算法等问题开展研究，主要取得创新成果如下:其中主要发现点和科学价值如下：

1、              提出了低-高分辨率图像样本对超分辨率信息的点算子表示方法，利用矩阵值算子表示低-高分辨率图像样本对隐式超分辨率信息，得到了最优算子的多核表示公式，实现了快速超分辨率算法。

2、              提出了多核表示的图像相似性度量方法，构建了多核相似性度量学习模型，证明了多核相似性收敛阶及凸表示定理，实现了多核相似性度量学习的贪婪算法，并应用在自然图像超分辨率重建及遥感图像分类。

3、              针对排序、典型相关性分析及分类等学习问题，建立了基于多核学习贪婪学习方法的收敛性分析理论，得到了多类贪婪学习方法的收敛阶，为图像相似性度量学习及图像对信息表示提供了理论支撑。

    成果应用推广情况

1、本成果为基础研究成果，主要以论文形式体现。公开发表SCI论文13篇，其中JCR二区论文9篇，JCR三区论文4篇，SCI论文影响因子合计43.068，SCI他引97次。

2、通过项目的实施及完成， 1人获昆明中青年学术技术带头人（后备）；1人晋升高级职称；培养硕士研究生4。

    候选人对项目的贡献情况

1、第一完成人：唐轶

本项目的项目负责人，成果依托项目主持人，撰写论文，组织项目实施计划，负责研究工作汇总，完成总结材料。