CCF广东工业大学学生分会邀请华南理工大学的全宇晖老师学术讲座

CCF广东工业大学学生分会于2023年12月20日（星期三）下午14:30成功承办主题为“A Journey to Single Image Defocus Deblurring: From Two-Stage Deconvolution to End2End Kernel Mixture Learning”的学术讲座，这场精彩的学术讲座报告人是来自华南理工大学的全宇晖老师，全宇晖博士是华南理工大学计算机学院副教授、博士生导师，入选2017年广东省珠江人才计划青年拔尖人才计划，主要研究方向为图像处理、深度学习、稀疏表达，主持国家自然科学基金项目两项、广东省自然科学基金项目两项、广州市科技计划项目一项，参与多项国家科研项目，近年来发表高水平学术论文70余篇，获2019 年广东省科学技术进步二等奖（第二完成人）、2017年度广东计算机学会青年学术秀一等奖、2016年度ACM广州分会学术新星奖、2016年度广东省计算机学会优秀论文一等奖、2014年度ACM 广州分会优秀博士论文奖。

图1 全宇辉副教授

今天全宇晖副教授为我们带来的主题为“A Journey to Single Image Defocus Deblurring”的学术讲座，介绍了一种新的散焦去模糊技术，专注于通过核共享并行卷积方法提高单幅图像去模糊的效率和效果。散焦去模糊在许多领域都有广泛的应用，如数字摄影增强、监控图像清晰化、医学成像和天文成像等。研究和改进去模糊技术可以显著提升这些领域图像的质量和可用性。

首先，全宇晖副教授讲述了图像处理和计算机视觉领域中经常讨论的两个概念"Patch Rank" 和 "Blur Amount"。Patch Rank是指在图像处理中，对图像的局部区域（通常是图像的小块或补丁）进行排序或评估的过程。这个过程通常用于图像分析、特征提取、以及图像修复等任务。块排序可以根据不同的标准进行，如块的亮度、纹理、颜色等，以便更好地理解图像的结构和内容。Blur Amount 则是指图像中的模糊程度或清晰度。在图像处理中，模糊通常是由于多种因素引起的，如摄像机移动、焦点问题或镜头质量等。了解图像的模糊程度对于图像复原、增强和分析非常重要。通常，模糊程度可以通过测量图像的高频成分来估计，高频成分越少，图像越模糊。

接着全宇晖副教授讲述了利用估计的景深失焦映射，实现non-blind deconvolution，这在图像处理领域，一个引人注目的进展是利用估计的景深失焦映射进行non-blind deconvolution。这种方法的基础理论是，景深离焦平面越远，像平面的图像就越模糊。通过这一原理，全老师团队探索一种全新的图像处理方法。

该技术主要分为两个步骤。首先是估计景深失焦映射，这需要先进的算法和计算能力。然后利用这个映射进行non-blind deconvolution，恢复原始图像的清晰度。这项技术的优点在于其能够从模糊图像中提取更多信息，提高图像质量。此外，这种方法还提供了一种对图像进行深度处理的新方法，有望推动一系列应用领域的发展，如医学影像、安全监控、以及科学成像等。

最后全宇晖副教授介绍了先进的图像处理和计算机视觉技术Reversive Kernel Mixture，这项技术利用递归核模拟失焦效果，为图像处理提供了一种创新的方法。相较于传统的图像处理技术，RKM技术更加灵活，能够根据不同的失焦模式进行优化。这一突破性的技术有望为医学影像、安全监控、科学成像等众多领域带来革命性的进步。

在此期间同学们认真的听讲座，并且积极的提问，全宇晖老师也很耐心的回答了同学们的一些疑惑，整个讲座的气氛非常活跃。至此，讲座圆满的结束了，感谢全宇晖老师分享的精彩讲座！