报告人：陈韵梅    教授

工作单位：University of Florida（佛罗里达大学）

报告时间：7月2日上午9:00

报告地点：数学与统计学院一楼报告厅

报告摘要：We propose a new joint image reconstruction method by recovering edge directly from observed data, then reconstructing images with their edge information. For joint edge reconstruction our model minimizes a data fidelity term together with the matrix Frobenius norm or spectral norm or nuclear norm across the contrasts and L1 norm over the pixels. Derivation of data fidelity for the Jacobian and transformation of noise distribution are also detailed. The new minimization problem yields an optimal O(1/k₂) convergence rate, where k is the iteration number, and the per-iteration cost is low thanks to the close-form matrix-valued shrinkage. The numerical results in MRI and CT indicate that the proposed method improves reconstruction efficient and accuracy compared to the state-of-the-arts.

报告人简介：

陈韵梅，美国佛罗里达大学终身教授、杰出教授，图像处理科学家。致力于数学、图像处理和机器学习等交叉学科的研究，研究领域涉及医学图像分析中的数学模型的建立与数值优化方法的发展，而且对其中潜在的数学理论进行了深入的研究。曾获中华人民共和国国家自然科学三等奖、中华人民共和国教育部科技进步一等奖，获国际发明专利9项，主持美国国家级项目20余项，发表学术论文200余篇，其中多篇具有重要影响的学术论文发表于《Inventiones Mathematicae》、 《Communications on Pure and Application Mathematics》、《SIAM Journal on Imaging Sciences》、《SIAM Journal on Optimization》和《SIAM Journal on Applied Mathematics》等国际期刊。