随着移动互联网的快速发展，越来越多的人使用智能手机、平板电脑等移动设备在线分享视频资源。视觉信号高效压缩是移动分享必不可少的关键技术，也是影响用户体验的重要因素；此外，视觉信号质量评价方法应该充分考虑终端用户的体验和感受。本课题围绕移动视频分享的特点和难点问题，研究解决两个基本的科学问题：一是如何设计面向任务和需求的低复杂度视觉信号压缩方法及压缩域处理技术；二是如何充分考虑终端用户的实际体验，设计高效、准确的感知质量评价模型。本项目的主要研究内容包括：针对不同类型的视觉信号（可见光、红外、高光谱数据，视频、图像、图形等），充分利用不同数据的特点，研究面向移动设备的视觉信号高效表征技术；考虑移动终端的计算和存储资源约束，结合不同的应用需求（遥感图像分发、网络游戏等），提出低复杂度、高效压缩方案，此外，探索压缩域目标检测技术，利用图像压缩过程中产生的码流数据，挖掘其所蕴含的图像特征信息，在实现数据压缩的同时实现对目标的检测，从而大幅提升移动设备的资源利用率；结合移动设备、无线信道和终端用户的特性，设计高效、鲁棒的视觉信号体验质量客观评价模型，满足不同使用环境、用户需求的视觉信号分享应用。与现有移动视觉信号分享方案相比，本项目提出的新算法、新理论与新思路能够提供更好的用户体验，同时更加合理利用移动终端和网络带宽资源。通过本课题的研究，课题负责人多次在国际会议组织研讨会和特邀专题，报告相关研究成果；以第一作者编写英文学术著作一部（Springer出版社）；以第一/通信作者发表和录用SCI期刊论文11篇，其中一区3篇，二区4篇，一篇论文入选ESI Highly Cited Paper，两篇论文分别入选IEEE Transactions on Neural Networks and Learning Systems和 IEEE Transactions on Geoscience and Remote Sensing的Popular Articles；以第一/通信作者发表EI国际会议论文5篇；授权国家发明专利2项。培养博士生5名，硕士生4名。 2100433B