《图像处理中的优化方法5489.pdf》由会员分享，可在线阅读，更多相关《图像处理中的优化方法5489.pdf（3页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、附件 5图像所（系、所）全英 研究生课程简介(中英文各一份)课程名称：图像处理中的优化方法 课程代码：课程类型：博士专修课程 硕士专修课程 考核方式：全英文考试 教学方式：全英文讲授 适用专业：模式识别与智能系统 适用层次：硕士 博士 开课学期：秋季 总学时：40 学分：先修课程要求：高等数学,线性代数 课程组教师姓名 职 称 专 业 年 龄 学术方向（负责人）张钧 副教授 模式识别 46 机器学习,机器视觉 谭毅华 副教授 模式识别 37 机器学习,机器视觉 黄锐 讲师 模式识别 35 机器学习,机器视觉 课程负责教师留学经历及学术专长简介：在 School of Computing and
2、 Mathematics,Charles Sturt University,Australia,作为 Academic Visiting 师从高俊斌(Junbin Gao)教授从事机器学习方面的研究工作.1966年出生.工学博士,华中科技大学图像识别与人工智能研究所副教授,硕士生导师,博士生副导师.研究方向为机器学习、机器视觉、数据挖掘等.1986 年获上海交通大学数学系应用数学专业理学学士学位,1999 年获华中科技大学电子与信息工程系通信与信息系统专业工学硕士学位,2006年获华中科技大学图像识别与人工智能研究所模式识别与智能系统专业工学博士学位.在武汉理工大学（原武汉汽车工业大学）基础课
3、部从事工科数学教学工作.在华中科技大学生物医学工程博士后流动站从事生物医学信号处理方面的博士后研究工作.至今在华中科技大学图像识别与人工智能研究所从事图像处理,优化方法,机器学习,机器视觉,数据挖掘等方面的科研工作.发表论文 56 篇,其中 SCI 收录 12 篇,EI 收录 24 篇.近 5 年参与国家级项目 5 项,其中,作为主要承担人参与 3 项.课程教学目标：本课程的目的是，介绍图像处理中的优化方法的基本理论、基本方法及其应用，为这方面的深入研究和高层次的复杂应用奠定基础。课程大纲：（章节目录）(每周 4 学时,共 10 周)第一章 绪论（第 1 周，2 小时）1.1 优化问题的数学表
4、达 1.2 最小二乘与线性规划 1.3 凸优化 1.4 非线性优化 1.5 图像处理中的优化方法概论 第二章 凸集（第 1 周，2 小时;第 2 周，2 小时）仿射集与凸集 凸性与凸性不等式 分割和支持超平面 对偶锥与锥不等式 第三章 凸函数（第 2 周，2 小时;第 3 周，2 小时）基本性质 共轭函数 拟凸函数 对数凹函数与对数凸函数 第四章 凸优化问题（第 3 周，2 小时;第 4 周，4 小时;第 5 周，2 小时）优化问题 凸优化问题 线性优化问题 二次优化问题 不等式约束 向量优化 图像处理中的凸优化问题实例 第五章 对偶（第 5 周，2 小时;第 6 周，4 小时）拉格朗日对偶函
5、数 拉格朗日对偶问题 几何解释 鞍点解释 优化条件 扰动分析 交换定理 图像处理中的对偶实例 第六章 图像处理中的常用优化方法（第 7 周，4 小时;第 8 周，2 小时）下降法 梯度下降法 牛顿法 不等式约束最小值问题 原问题与对偶问题内点法 图像处理中的优化新方法 第七章 MRF 优化的图切割方法(第 8 周，2 小时;第 9 周，2 小时)MRFs 简介 图切割和能量最优化 Alpha-扩张算法 第八章 主-对偶法优化 MRF(第 9 周，2 小时;第 10 周，2 小时)凸松弛和离散优化 线性规划松弛 线性规划中的主-对偶法 MRF 的主-对偶优化法 第九章 MRF 优化的消息传递法(
6、第 10 周，2 小时)能量最小化的消息传递法 证据传播优化法 全英文教材：1 Stephen Boyd and Lieven Vandenberghe.Convex Optimization.Cambridge University Press，2004.Available from:available from:主要参考书：1 J.M.Borwein and A.S.Lewis.Convex Analysis and Nonlinear Optimization.Springer,2000 Available from:2 Ben-Tal and A.Nemirovski.Lectures
7、 on Modern Convex Optimization,Analysis,Algorithms,and Engineering Applications.Society for Industrial and Applied Mathematics,2001 3 Available from:Scholkopf and A.Smola.Learning with Kernels:Support Vector Machines,Regularization,Optimization,and Beyond.MIT Press,2001 Slides available from:4 Lofberg.YALMIP:A toolbox for modeling and optimization in Matlab.In Proceeding of the IEEE International Symposium on Computer Aided Control Systems Design,2004.Available from:5.Nikos Paragios,Ramin Zabih.Discrete optimization in computer vision.Computer vision and Image Understanding,2008,112(1):1