本成果聚焦图像质量增强技术研究,在联合传统复原理论与深度学习的图像增强方面,创新性地提出硬连接与软连接、对偶亮度理论、自适应连续性先验、去块算子等概念,提出的框架突破了单一传统或深度学习方法的局限;在真实图像复原方面,创新性地引入潜在最优辅助域,突破现有真实复原的性能;在与高层视觉任务协同方面,开展了大量研究,提出新型超分辨率与图像语义分割协同架构,同步实现服务于人眼的分辨率提升以及服务于机器分析的语义分割。该技术能够服务于工业建设以及社会经济需求,如*、智慧城市、医学成像、智能监控、目标检测识别与跟踪、高清晰数字电视等。在*领域,相关工作能够突破卫星成像的物理极限,并更好地实现小目标的检测与识别。