近期，我院教师张凯兵撰写的题为《Learning Local Dictionaries and Similarity Structures for Single Image Super-resolution》在国际信号处理期刊《Signal Processing》（Elsevier）（SCI检索号：000412611900025，中科院JCR 二区，IF：3.110）上发表。

该论文针对多项式基函数不能较好地适应图像结构变化而容易导致图像重建结果过拟合或欠拟合问题，提出了一种组合局部字典和相似性结构信息构造正则化的图像分辨重建方法。该方法首先将图像分割成若干个局部结构相似的子区域，然后对每个子区域构造局部字典，自适应地选择回归基向量和回归阶数。最后，利用相似性冗余结构和局部结构自适应核，建立非局部字典回归模型，并转化成一个统一的正则项，结合到基于重构的超分辨重建框架下优化求解。实验结果表明，相比已有的非局部可控核回归算法，该方法获得的超分辨图像在主、客观质量评价方面均有显著提高，而且重建效果优于很多实例学习超分辨重建方法。

张凯兵，1975年生，男，模式识别与智能系统专业工学博士，信息与通信工程学科博士后，悉尼科技大学访问学者。担任IEEE Signal Processing Letters、Information Sciences、IEEE Transactions on Cybernetics Pattern Recognition、IEEE Trans. on Image Processing等多个国际期刊的审稿人。承担国家自然科学基金、中国博士后科学基金、省科技厅、省教育厅科学技术项目以及教育厅优秀中青年创新团队项目的研究。近5年来，在IEEE Trans. on Image Processing、IEEE Trans. on Neural Networks and Learning Systems、Neurocomputing、Signal Processing、CVPR和ICIP等国际期刊和会议发表论文20余篇，获陕西省高等学校科学技术和教育部高等学校科学研究优秀成果奖。获评2014年度西安电子科技大学优秀博士论文。曾指导学生获得全国大学生软件设计大赛一等奖。