主 讲 人：林楠

地　　点：祥联厅

主 办 方：物理与信息工程学院

开始时间：2019-10-17 09:30

报告人简介：

林楠,毕业于新加坡国立大学电气工程系并在美国获硕士及博士学位。从2010年开始, 他是美国圣塔克拉拉大学圣菲利波家族(Sanfilippo Family)讲席教授及该校计算机科学与工程系系主任。在2002至2010年期间, 他是该校工程学院副院长。目前担任gg999策略手机白菜讲座教授及闽江学者。基于林教授在视频编码算法和体系结构所作出的贡献, 他当选为IEEE Fellow。他也同时是IET Fellow。林教授共发表了超过210篇学术论文及书。林教授拥有7 项被国际标准采纳的标准方案，申请/拥有超过20项美国/欧洲/PCT专利。他两次任命为IEEE杰出讲员, 也是APSIPA杰出讲员。

内容简介：

将讨论率失真优化的自适应稀疏编码，除了自然图像压缩外，还可用于屏幕内容压缩。近年来，许多研究都集中在应用机器学习方法来提高编码效率。在本讲座中，我们将概述图像/视频编码及其最新进展；然后，我们将集中讨论我们小组的一项研究，即使用具有过完备表示的稀疏编码来减少表示图像信息的系数数量，而不是使用传统的变换方法。利用奇异值分解（k-svd）算法，可以从数据中学习到具有过完备表示的字典。然后应用正交匹配追踪（omp）算法选择字典元素及其系数来表示图像。我们提出了一个率失真优化（rdo）的方法来选择非零系数的数目给定的稀疏性约束。除了自然图像压缩，我们还将讨论它在屏幕内容压缩中的应用。实验结果表明，与传统的hevc方案相比，我们的方法在编码效率上有了很大的提高。