由我实验室李昂同学为一作完成的论文《Deep Image Quality Assessment Driven Single Image Deblurring》荣获 2020年度 IEEE International Conference on Multimedia and Expo（ICME）国际会议最佳学生论文亚军奖。ICME是 IEEE在多媒体领域的旗舰年会，是 CCF B类学术会议。2020年，ICME主办地为英国伦敦，投稿量 834篇，录用文章 214篇，录用率为 28.9%。经过多轮严格评选，最终仅六篇论文获得最佳（学生）论文以及最佳（学生）论文亚军奖。颜波教授为该论文的通讯作者。
图为论文获奖证书
该论文提出了一种利用图像质量评价指导图像去模糊的新算法，题目为《Deep Image Quality Assessment Driven Single Image Deblur》。近年来，随着人工智能的兴起，基于深度学习的图像去模糊算法发展迅速。然而对于图像去模糊的任务，之前仍然没有专门的深度学习算法，以同人类视觉系统相一致的方式，评价模糊图片增强后的质量。不仅如此，传统的均方误差 (MSE)，作为优化的目标函数时，往往使得增强后的图片丢失原有的纹理细节，变得平滑。针对这两点，论文提出了一种图像质量评价驱动下的图像去模糊新算法。首先论文提出了 Deblur-IQA的卷积神经网络 (CNN)子模块，对去模糊的中间结果进行质量评价,相比 PSNR或 SSIM，对于人眼视觉系统更加一致；其次，论文首次利用质量评价子模块，驱动指导图像去模糊模块的任务，算法恢复出的纹理信息更加饱满逼真；最后，论文提出了基于自编码器去模糊子网络，该模块的运行效率是同类网络模型的 50倍。论文去模糊的效果，与最先进的算法的结果相比，细节更加丰富，保真度更高，运行效率更高，具有较强的创新性与实用性。