该研究提出了一种新的彩色图像去模糊方法，通过引入四元数模糊算子和交叉颜色空间正则化函数，解决了耦合和结构模糊问题。实验证明该方法在修复彩色图像时能够保持颜色和空间信息，并且在质量指标上优于现有方法。

本研究提出了一种新的双流多通道融合网络，解决了现有图像操作链检测方法的泛化问题和忽视彩色图像通道相关性的问题。实验结果表明其在泛化能力和对JPEG压缩的鲁棒性方面达到了最先进水平。

该研究提出了一种实时全身捕捉的方法，可以从彩色图像中估计身体和手部的形状和运动，并生成带有动态3D面部模型的手部和身体。该方法准确捕获面部表情和颜色，并估计统计面部模型的形状、表情、颜色和照明参数。在公共基准测试中，该方法准确性高且速度快，提供了更完整的面部重建。

本研究提出了一种新的彩色图像边缘检测策略，通过协同滤波和多尺度梯度融合解决了细节损失的问题。实验证明该方法在噪声鲁棒性和边缘质量方面优于传统方法。

作者研究了混合两种不同颜色的颜料时的数学变换。通过测试16种颜色的120对颜料，作者找到了在RGB空间和其他几个颜色空间中最准确的输入参数组合。在CIEXYZ空间中，颜色的几何对称化线性组合具有最强的确定系数，而在RGB空间中，使用同样的映射会得到更好的均方误差。

本论文提出了一种基于 Quaternion Generative Adversarial Neural Network（QGAN）模型及其相关理论的方法，用于解决颜色图像修复中存在大面积缺失的问题，并经实验证明在这种情况下，QGAN 具有较高的优势。

该研究开发了一种用于解决欠定线性反问题的空间变异正则化模型，重建医学图像。通过应用像素相关权重，平衡去噪和保留细节和边缘。使用梯度逼近计算空间变异TV权重，设计了卷积神经网络。该模型具有唯一解，并使用Chambolle-Pock算法。该综合框架结合了正则化技术和神经网络能力，实现了从低采样层析数据中的高质量重建。

本文介绍了使用Quanta Image Sensors进行低光动态场景成像的方法，并提出了新的图像重建算法。通过学生-教师训练协议，将运动教师和去噪教师的知识传递到学生网络中，实现了对低光动态场景的像素级成像重建。与现有方法相比，在低光成像方面具有更好的性能。

该研究提出了一种实时全身捕捉的方法，可以从彩色图像中估计身体和手部的形状和运动，并生成带有动态3D面部模型的手部和身体。该方法利用了新的神经网络架构，可以高效地利用身体和手部之间的相关性。该方法能够更准确地捕捉面部表情和颜色，并估计统计面部模型的形状、表情、颜色和照明参数。在公共基准测试中，该方法准确性高且速度快，提供了更完整的面部重建。