图像处理中的优化方法

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：186.811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：2.5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：2008.08－2009.08在SchoolofComputingandMathematics,CharlesSturtUniversity,Australia,作为AcademicVisiting师从高俊斌(JunbinGao)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.1986.07-1997.04在武汉理工大学（原武汉汽车工业大学）基础课部从事工科数学教学工作.2007.02－2011.12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.1997.04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）§2.1仿射集与凸集§2.2凸性与凸性不等式§2.3分割和支持超平面§2.4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）§3.1基本性质§3.2共轭函数§3.3拟凸函数§3.4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）§4.1优化问题§4.2凸优化问题§4.3线性优化问题§4.4二次优化问题§4.5不等式约束§4.6向量优化§4.7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）§5.1拉格朗日对偶函数§5.2拉格朗日对偶问题§5.3几何解释§5.4鞍点解释§5.5优化条件§5.6扰动分析§5.7交换定理§5.8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）§6.1下降法§6.2梯度下降法§6.3牛顿法§6.4不等式约束最小值问题§6.5原问题与对偶问题内点法§6.6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)§7.1MRFs简介§7.2图切割和能量最优化§7.3Alpha-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)§8.1凸松弛和离散优化§8.2线性规划松弛§8.3线性规划中的主-对偶法§8.4MRF的主-对偶优化法第九章MRF优化的消息传递法(第10周，2小时)§9.1能量最小化的消息传递法§9.2证据传播优化法全英文教材：1．StephenBoydandLievenVandenberghe.ConvexOptimization.CambridgeUniversityPress，2004.Availablefrom:~boyd/cvxbook/bv_cvxbook.pdfSlidesavailablefrom:~boyd/cvxbook/主要参考书：1．J.M.BorweinandA.S.Lewis.ConvexAnalysisandNonlinearOptimization.Springer,2000Availablefrom:~jborwein/Preprints/Books/CaNo2/cano2f.pdf2．A.Ben-TalandA.Nemirovski.LecturesonModernConvexOptimization,Analysis,Algorithms,andEngineeringApplications.SocietyforIndustrialandAppliedMathematics,2001Availablefrom:~nemirovs/lmco_run_prf.pdf3．B.ScholkopfandA.Smola.LearningwithKernels:SupportVectorMachines,Regularization,Optimization,andBeyond.MITPress,2001Slidesavailablefrom:~hanno/tw796/lesings/mlss06au_scholkopf_lk.pdf4．J.Lofberg.YALMIP:AtoolboxformodelingandoptimizationinMatlab.InProceedingoftheIEEEInternationalSymposiumonComputerAidedControlSystemsDesign,pp.284-289,2004.Availablefrom:~joloef/yalmip.php5.NikosParagios,RaminZabih.Discreteoptimizationincomputervision.ComputervisionandImageUnderstanding,2008,112(1):1