中文摘要：

现有的视频监控网络受到成像设备和采集环境等因素的制约，监控图像/视频的质量往往非常低下，难以满足进一步智能化分析的需求，极大地限制了现有监控网络效用的发挥。本课题针对现有的监控图像/视频存在空间分辨率低和亮度动态范围不足等问题，开展面向监控网络的高分辨率、高动态图像联合重建技术研究。将重建高分辨率和高动态范围图像纳入一个统一的学习框架中进行考虑，采用学习的方法，重点解决低分辨率、低动态范围图像与高分辨率、高动态范围图像之间的对应关系映射问题，提出联合重建高分辨率、高动态图像的统一学习框架，以达到同时重建高分辨率和高动态范围图像的目的。本课题的研究成果可以广泛应用在城市安全、交通治理、治安防护、刑侦等多个应用领域。通过本课题的研究，将力争取得一些具有自主知识产权的研究成果，为我国智能化视频监控网络以及相关技术的发展提供技术积累和研究基础。

结论摘要：

受到采集设备、采集环境及压缩失真等因素的影响，监控视频图像的质量往往非常低下。针对现有的监控图像/视频存在空间分辨率低、含有压缩失真以及亮度动态范围不足等问题，本项目采用基于学习的框架开展面向监控网络的高分辨率、高动态图像联合重建技术研究。主要研究低分辨率、低动态范围图像与高分辨率、高动态范围图像之间的对应映射关系，提出联合重建高分辨率、高动态图像的统一学习框架。具体研究内容包括（1）研究低分辨率与高分辨图像之间的映射关系；（2）研究含有压缩失真图像的超分辨率重建方案；（3）研究低动态范围图像对高对比度场景成像的方案；（4）研究基于学习的高分辨率高动态范围联合重建方案。主要取得的成果有（1）针对监控网络获取图像的低分辨率问题，从全局和局部特征的角度分别提出了对高分辨率和低分辨率图像之间对应关系的建模方法；（2）针对压缩失真引起的降质，提出了新的低比特图像压缩方法和压缩图像的超分辨率重建方法；（3）针对高对比度场景成像问题，通过引入基本层、纹理迁移以及颜色迁移概念，解决了多曝光图像融合中亮度反转、颜色失真等问题；（4）提出了基于学习的高动态范围、高分辨率图像联合重建方法。本项目全面、按时完成了计划书中所规定的研究内容，达到并超过了计划书中的预期指标要求。在国内外学术期刊和国际会议上发表论文26篇，其中10篇被SCI收录、13篇被EI收录；出版专著1部；申请发明专利5项；获得授权专利1项。培养北京市属高校青年拔尖人才1名、晋升副高级职称1人。培养硕士生8名。本项目的研究成果可广泛应用于城市安全、交通治理、治安防护、刑侦等多个领域，对提高这些领域中多媒体应用的自动分析性能具有重要意义。