【课题推荐发表期刊】

【课题背景】

图像恢复模型在多个领域具有广泛的应用场景。例如，在医学影像中，图像恢复技术可以用于增强CT或MRI图像的质量，帮助医生更准确地诊断病症；在卫星遥感中，恢复算法可以修复受损的地表图像，提高环境监测的精度；在摄影和视频处理领域，图像恢复可以去除噪声和模糊，提升图像的视觉质量。此外，在文化遗产保护中，图像恢复技术可以帮助修复受损的艺术品和文献，保护人类的文化遗产，具有重要的社会和经济价值。

本课题将研究图像恢复模型，从损坏或低质量的图像中恢复出清晰和真实的图像，以推动相关领域（如医学、遥感、艺术保护等）的发展。

【课题方向参考】

• 自监督学习在图像恢复中的应用

• 基于生成对抗网络（GAN）的图像恢复

• 多模态数据融合的恢复模型

• 量子计算在图像恢复中的应用

• 基于图神经网络的图像恢复

• 利用强化学习优化恢复策略

• 可解释性与透明性的图像恢复模型

• 跨域迁移学习在图像恢复中的应用

• 基于注意力机制的图像恢复模型

• 图像恢复中的伦理与公平性问题

• 基于时间序列的动态图像恢复

• 利用元学习提升恢复模型的适应性

• 基于深度可分离卷积的轻量化恢复模型

• 图像恢复中的多任务学习

• 基于对抗性训练的鲁棒性提升

• 利用生成模型进行数据增强基于变压器的图像恢复模型

• 图像恢复中的隐私保护技术

• 基于深度学习的图像恢复与压缩结合

• 利用生物启发的算法进行图像恢复

【适合人群】

本科及以上，理工科方向， Python或C语言专业的学生

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Prof. Neuron，985高校副教授，硕士生导师

• 以唯一第一作者/通讯作者发表论文36篇，其中SCI论文32篇，SCI一区Top/CCF-A类论文15篇

• 申请专利15项，已授权14项

• 主持和参加10余项国家和省部级科研项目

• 担任Computer Science and Technology、American Journal of Artificial Intelligence编委；担任ICR、ECAI、ICCBDAI、CVCS 等国际会议程序委员和技术委员5次

• 担任IEEE Transactions on Affective Computing, IEEE Transactions on Circuits and Systems for Video Technology, Pattern Recognition, Knowledge-Based Systems等期刊审稿人，完成国际期刊审稿 120 余次

• 担任SMC-IoT 2023，PRMVIA 2024，NCIC 2023，MICCIS 2025，IoTCIT 2024，ICCBDAI 2023，FRSE 2024，EPSIC 2024，ECIS 2024等国际会议审稿人，完成国际会议审稿 90 余次

• 具有5年学生辅导经验，拥有丰富的中、英文学术论文辅导经验，熟悉各类论文写作规范和技巧，能够给学生提供专业指导和建议

• 可提供开源代码并指导复现；可提供部分开放研究数据；可提供保研、申博指导；可撰写推荐信

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

• 2023 A fast inertial primal–dual algorithm to composite optimization models with application to image restoration problems

• 2024 A hybrid structural sparse model for image restoration

• 2024 Adapting visible-light-image diffusion model for infrared image restoration in rainy weather