基于非耦合映射关系的影像超分辨率重建方法及系统的制作方法
【专利摘要】一种基于非耦合映射关系的影像超分辨率重建方法及系统，包括分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波器进行滤波，得到相应金字塔影像，对每一层影像都分别构建过完备字典，并分层进行结构相似性分析，某一层不满足预设阈值则调整该层的滤波器参数；对待处理的低分辨率影像进行同样滤波，得到相应的金字塔影像，对每层影像构造成信号矩阵，利用低分辨率字典对该信号矩阵进行稀疏表达，通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影像，最后将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。本发明有效的挖掘出原始影像在不同分辨率中的有效信息，大大增强了所构造的字典的表达能力，提高了重建精度。
【专利说明】
基于非耦合映射关系的影像超分辨率重建方法及系统
技术领域
[0001] 本发明涉及影像超分辨率重建技术领域，特别涉及一种通过建立不同分辨率影像 之间的非耦合映射关系来完成影像跨空间合成的技术方案，以滤波的方法完成字典原子间 的非耦合映射关系，实现影像的超分辨率重建。
【背景技术】
[0002] 在实际应用中，高分辨率影像一直是人们所追求的。但是，由于受图像传感器和光 学器件的工艺成本的限制，在很多情况下获取高分辨率影像比较困难。因此，发展超分辨率 重建技术，通过后处理的方式提高影像的空间分辨率具有很大的现实意义。
[0003] 目前，超分辨率重建技术的发展趋势主要有三类：
[0004] 基于插值的超分辨率重建技术:该方法主要是通过预先估计出亚象元之间的相对 位移，然后通过非均匀采样来完成高分辨率影像的重建。该方法的优点是计算复杂度低，其 缺点是容易模糊边缘和纹理信息。
[0005] 基于重建的超分辨率重建技术:该方法主要是根据影像的降质模型，加入图像的 先验信息（比如，平滑性约束条件等)来求解高分辨率影像。该方法的优点是保存了影像的 边缘和纹理信息，其缺点是对影像的放大倍数通常最大为2倍。
[0006] 基于学习的超分辨率重建技术:该方法主要是先分别通过高低分辨率影像库来建 立高低分辨率字典，同时获得高低分辨率字典原子之间的对应关系，最后将这种对应关系 应用到待处理影像之中，完成影像的超分辨率重建。
[0007] 在基于学习的超分辨率重建技术中，通常情况下这种对应关系是 对应的映射 关系。然而，在实际应用中，这种一一对应的映射关系往往会限制其精度。比如，对于复杂的 遥感影像中，如果影像之间的分辨率差异巨大（如Landsat影像与M0DIS影像之间相差16 倍），单纯的通过字典原子之间的一一对应关系很难保证其重建的精度。
[0008] 可见，尚未出现理想的超分辨率重建技术，
【发明内容】
[0009] 针对现有基于学习的影像超分辨率重建中的缺点，本发明提出一种基于非耦合映 射关系的影像超分辨率重建方法，通过滤波的方法构建金字塔影像，通过每层影像上的耦 合关系来最终合成整体影像的非耦合关系，完成最终高分辨率影像的重建。
[0010] 本发明的技术方案提供一种基于非耦合映射关系的影像超分辨率重建方法，包括 以下步骤：
[0011] 步骤1，分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波器进行 滤波，得到相应金字塔影像，分别记为金字塔影像A和金字塔影像B;
[0012] 步骤2,基于提取影像采样块，对金字塔影像A的每一层影像都分别构建一个过完 备字典，得到高分辨率字典，对金字塔影像B的每一层影像都分别构建一个过完备字典，得 到低分辨率字典，并分层进行结构相似性分析，对某一层的结构相似性分析如果不满足预 设阈值则调整该层的滤波器参数，返回步骤1重新滤波调整该层影像，如果满足预设阈值， 则记录当前的滤波器参数，确定每层都满足预先阈值后进入步骤3;
[0013] 步骤3,根据步骤2中记录的滤波器参数，对待处理的低分辨率影像进行同样的滤 波操作，得到相应的金字塔影像，记为金字塔影像C，对金字塔影像C的每一层影像提取影像 米样块；
[0014] 步骤4,分别对金字塔影像C的每层影像构造成信号矩阵，利用对应层的低分辨率 字典对该信号矩阵进行稀疏表达，得到稀疏系数；
[0015] 步骤5,通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影像，最后 将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。
[0016] 而且，步骤2中，对任一层进行结构相似性SSIM的计算方法如下所示，
[0018] 其中，P和0分别代表低分辨率影像和降质后的高分辨率影像，yP代表低分辨率影 像均值，代表降质后的高分辨率影像均值，代表低分辨率影像的方差，〇〇代表降质后的 高分辨率影像的方差， 〇PQ代表低分辨率影像与降质后的高分辨率影像之间的协方差，参数 & = 1(1\1，(：2 = 1(2\1儿为灰度影像中的最大像素值，1(1和1(2是预设的常数;低分辨率影像是 金字塔影像B中某一层，降质后的高分辨率影像是金字塔影像A中相应层降质后的结果。
[0019] 而且，步骤4中，进行稀疏表达的实现方式为，对于每一层的影像，将影像采样块逐 一列化成列向量，对于各列向量分别利用对应层的低分辨率字典，采用Lasso算法进行稀疏 表达，求解相应的稀疏系数。
[0020] 本发明提供一种基于非耦合映射关系的影像超分辨率重建系统，包括以下模块：
[0021] 第一模块，用于分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波 器进行滤波，得到相应金字塔影像，分别记为金字塔影像A和金字塔影像B;
[0022] 第二模块，用于基于提取影像采样块，对金字塔影像A的每一层影像都分别构建一 个过完备字典，得到高分辨率字典，对金字塔影像B的每一层影像都分别构建一个过完备字 典，得到低分辨率字典，并分层进行结构相似性分析，对某一层的结构相似性分析如果不满 足预设阈值则调整该层的滤波器参数，命令第一模块工作重新滤波调整该层影像，如果满 足预设阈值，则记录当前的滤波器参数，确定每层都满足预先阈值后命令第三模块工作； [0023]第三模块，用于根据第二模块中记录的滤波器参数，对待处理的低分辨率影像进 行同样的滤波操作，得到相应的金字塔影像，记为金字塔影像C，对金字塔影像C的每一层影 像提取影像米样块；
[0024] 第四模块，用于分别对金字塔影像C的每层影像构造成信号矩阵，利用对应层的低 分辨率字典对该信号矩阵进行稀疏表达，得到稀疏系数；
[0025] 第五模块，用于通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影 像，最后将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。
[0026]而且，第二模块中，对任一层进行结构相似性SSIM的计算方法如下所示，
[0028] 其中，P和0分别代表低分辨率影像和降质后的高分辨率影像，yP代表低分辨率影 像均值，代表降质后的高分辨率影像均值，代表低分辨率影像的方差，〇〇代表降质后的 高分辨率影像的方差， 〇PQ代表低分辨率影像与降质后的高分辨率影像之间的协方差，参数 & = 1(1\1，(：2 = 1(2\1儿为灰度影像中的最大像素值，1(1和1(2是预设的常数;低分辨率影像是 金字塔影像B中某一层，降质后的高分辨率影像是金字塔影像A中相应层降质后的结果。
[0029] 而且，第四模块中，进行稀疏表达的实现方式为，对于每一层的影像，将影像采样 块逐一列化成列向量，对于各列向量分别利用对应层的低分辨率字典，采用Lasso算法进行 稀疏表达，求解相应的稀疏系数。
[0030] 本发明提出的基于非耦合映射关系的影像超分辨率重建方法，利用金字塔影像构 建具有分层特点的字典，对待处理影像进行分层超分辨率重建，最终合成高分辨率影像。该 方法的滤波过程提取出了原始影像不同分辨率的信息，同时也在一定程度上可以缓解高低 分辨率影像间的分辨率差异。对待处理影像进行稀疏重建之前，对其进行同样的金字塔影 像构建，在影像的不同分辨率层面上进行影像与字典原子的相似性匹配，大大增强了待处 理影像与字典原子之间的相关性。最后通过逆滤波的过程，将每层的高分辨率影像整合成 完整的结果。
[0031] 本发明提出的基于非耦合映射关系的影像超分辨率重建方法，可以有效的挖掘出 原始影像在不同分辨率中的有效信息，大大增强了所构造的字典的表达能力，通过对待处 理影像进行金字塔滤波，增强了其与字典原子之间的相关性，由于每一层影像上的高低分 原子之间的关系并不相同，所以最终整合出来的高低分字典原子的关系呈现出了一个非线 性耦合关系，这种关系实际上更适合真实世界中的映射，提高了其最终的重建精度。在视频 影像、自然影像、医学影像、遥感影像等领域具有重大的应用价值。因此，基于非耦合映射关 系的影像超分辨率重建方法不仅具有非常重要的学术价值而且具有重要的现实意义。
【附图说明】
[0032]图1是本发明的实施例流程图。
【具体实施方式】
[0033]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对根据本发 明一个实施例的非耦合映射关系的影像超分辨率重建方法进一步详细说明。应当理解，此 处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
[0034] 本发明主要针对字典原子之间的映射关系，通过模拟高低分辨率空间中的影像降 质以及非线性关系，运用滤波的方法得到最终的字典原子之间的映射关系，最后将这种映 射关系应用到重建过程。本发明通过充分挖掘影像间存在的潜在信息，增强其学习能力，使 得原始信息得到更加合理的利用，提高了算法的实际适用性。
[0035] 本发明技术方案可采用计算机软件技术实现自动运行流程。以下结合图1详述实 施例影像超分辨率重建方法的具体步骤。
[0036] 步骤1，通过滤波的方法(例如自适应小波滤波等)分别对原始高分辨率训练影像 和原始低分辨率训练影像进行滤波，得到相应金字塔影像，分别记为金字塔影像A和金字塔 影像B。
[0037] 本发明中提出的基于非耦合映射关系的影像超分辨率重建方法，是通过预先的滤 波过程构建影像金字塔，通过每一层上的字典原子间的耦合关系来合成最终的非线性耦合 关系，实施例具体的滤波方法选用现有的自适应小波滤波(ATWT)，具体实施时本领域技术 人员也可以自行设置采用其他滤波方法。实施例中的小波采用5X5的高斯核函数，分解层 数为3层。本发明中的滤波器通过高斯函数进行模拟，后续将通过调整高斯函数中的方差值 和滤波尺寸来对滤波器进行优化，一般情况下滤波尺寸要小于影像块大小，方差值通过对 待滤波的影像进行一个估计。
[0038] 滤波尺寸的经验值一般是影像块大小的一半，具体实施时本领域技术人员可以在 这个经验值附近进行选取。方差的选取根据对待处理影像进行方差的一个统计，经验值选 取统计结果中的出现次数的峰值，具体实施时本领域技术人员可以在这个经验值附近进行 选取。
[0039] 步骤2,基于提取影像采样块，对金字塔影像A的每一层影像都分别构建一个过完 备字典，得到高分辨率字典，对金字塔影像B的每一层影像都分别构建一个过完备字典，得 到低分辨率字典，并分层进行结构相似性分析，对某一层的结构相似性分析如果不满足预 设阈值则调整该层的滤波器参数，返回步骤1重新滤波调整该层影像，如果满足预设阈值， 则记录当前的滤波器参数，确定每层都满足预先阈值后进入步骤3。
[0040] 利用每一层中所有的训练样本分别构造一个过完备字典，每一层的过完备字典之 间都满足耦合关系，但是层与层之间的耦合关系不同，从何可以合成一个整体的非线性耦 合关系。
[0041] 为了方便以后对不同分辨率影像进行对比分析，可以通过简单的上采样(例如双 线性插值)操作将低分辨率影像对齐到高分辨率影像的大小。实施例中影像采样块大小为7 X 7，采样块重叠区域为7 X 2，在一幅500 X 500大小的原始影像上的61504个训练样本中训 练得到只有512个49维样本的字典。对其进行滤波之后，第二层、顶层影像大小分别为250X 250和125X125,相应的采样块大小变为5X5和3X3,字典维数分别为25和9。认为这三层的 字典包括了影像的不同分辨率层面上的信息。
[0042] 本发明对于金字塔影像中的每一层，通过判断降质后的高分辨率影像和原始的低 分辨率影像之间的相关性来决定是否调整滤波器的参数，从而使得每一层的高低分辨率字 典中的原子保证最大的相关性。
[0043] 通过结构相似性(SSIM)指标来判断低分辨率字典原子和降质后的高分辨率字典 原子之间的相似性，对任一层进行SS頂的计算方法如公式(1)所示：
(1)
[0045]其中，P和0分别代表低分辨率影像(金字塔影像B中某一层)和降质后的高分辨率 影像(金字塔影像A中相应层降质后的结果），yP代表低分辨率影像均值，代表降质后的高 分辨率影像均值， 〇P代表低分辨率影像的方差，〇〇代表降质后的高分辨率影像的方差，〇P0代 表低分辨率影像与降质后的高分辨率影像之间的协方差，参数(： 1 = 1(1乂1^2 = 1(2乂1，这里1 为灰度影像中的最大像素值，即L = 255，KjPK2是一个较小的常数，具体实施时本领域技术 人员可以自行预设，实施例中心=0.01，1( 2 = 0.02。从公式（1)中可以看出，SS頂值越大，表示 两个影像越相似，说明其对原始影像分解的越合理，误差越小。实施例设置一个阈值，当某 层的SSIM小于这个阈值时，调整滤波器的参数，转到步骤1，重新建立金字塔中该层，直到 SSIM值达到阈值，记录当前最终的滤波器参数，确定每层都满足预先阈值后进入步骤3。具 体实施时本领域技术人员可以自行预设阈值的取值。优选的，SSM阈值在0.75~0.85之间 选取，实施例中取0.80。
[0046] 步骤3,根据步骤2中调整后最终的滤波器参数，对待超分的影像进行同样的滤波 操作，得到输入的金字塔影像，记为金字塔影像C。
[0047] 待超分的影像即待处理的低分辨率影像。实施例中，对金字塔影像C的每一层影像 提取影像采样块，采样块大小要保证和相应的字典的维数相一致，如实施例的采样块为7X 7,字典为49维;并且滤波器的参数要跟步骤2中调整后的参数一致。
[0048] 步骤4,分别对金字塔影像C的每层影像构造成信号矩阵，利用对应层的低分辨率 字典对该信号矩阵进行稀疏表达。
[0049] 实施例中进行信号矩阵的稀疏表达，对于每一层的影像，按照采样块的顺序(一般 从影像的左上角开始，按照先从左到右然后再从上到下的顺序)逐一列化成列向量，对于第 1个列向量，利用步骤2中的调整后参数的过完备字典(此时采用低分辨率字典），进行稀疏 表达，如公式(2)所示。对每一层影像中各采样块，分别采用Lasso算法求解相应的稀疏系数 a〇
[0050] a = argmin|x,-D,aj|;+/1|(4 (：2) a ~
[0051] 其中|卜| U表示1范数，表示二范数的平方，A为正则化参数，X1为信号矩阵中 的列向量，Di为对应层的低分辨率字典。实施例中，金字塔有3层影像，1 = 1，2，3。
[0052] 步骤5,通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影像，最后 将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。
[0053]具体操作时，是根据每一层影像中各采样块相应的稀疏系数a和对应层的高分辨 率字典得到对应层的高分辨率影像相应影像块。为了使相邻影像块之间的像素值平滑过渡 (即避免产生伪痕），在采样的初期，影像块之间保持一定的重叠。最后在处理高分影像块的 时候，对于重叠区域进行取平均值的操作。
[0054]通过对待处理的低分辨率影像进行同样的滤波分层处理，按照同样的采块方式逐 一进行稀疏求解;通过稀疏系数和对应的高分辨率字典，完成最终高分辨率影像的重建。本 发明利用同一影像的不同分辨率层面上的互补信息，在模拟过完备字典的非线性耦合关系 的同时，在稀疏求解阶段也增强了待处理部分与对应字典之间的相关性，提高了稀疏系数 的准确性。
[0055] 为了使影像重建过程具有鲁棒性，具体实施时，可以预先对待处理低分辨率影像、 原始高分辨率训练影像和原始低分辨率训练影像分别进行减均值的处理，执行以上流程完 成重建后，将待处理低分辨率影像的相应均值重新加回来，得到最终的重建的高分辨率影 像。
[0056] 具体实施时，本发明所提供方法可基于软件技术实现自动运行流程，也可采用模 块化方式实现相应系统。
[0057]本发明提供一种基于非耦合映射关系的影像超分辨率重建系统，包括以下模块：
[0058]第一模块，用于分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波 器进行滤波，得到相应金字塔影像，分别记为金字塔影像A和金字塔影像B;
[0059] 第二模块，用于基于提取影像采样块，对金字塔影像A的每一层影像都分别构建一 个过完备字典，得到高分辨率字典，对金字塔影像B的每一层影像都分别构建一个过完备字 典，得到低分辨率字典，并分层进行结构相似性分析，对某一层的结构相似性分析如果不满 足预设阈值则调整该层的滤波器参数，命令第一模块工作重新滤波调整该层影像，如果满 足预设阈值，则记录当前的滤波器参数，确定每层都满足预先阈值后命令第三模块工作；
[0060] 第三模块，用于根据第二模块中记录的滤波器参数，对待处理的低分辨率影像进 行同样的滤波操作，得到相应的金字塔影像，记为金字塔影像C，对金字塔影像C的每一层影 像提取影像米样块；
[0061] 第四模块，用于分别对金字塔影像C的每层影像构造成信号矩阵，利用对应层的低 分辨率字典对该信号矩阵进行稀疏表达，得到稀疏系数；
[0062] 第五模块，用于通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影 像，最后将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。
[0063] 各模块具体实现可参见相应步骤，本发明不予赘述。
[0064]本领域普通技术人员可以理解，利用本发明不仅可以在字典构造的过程中，通过 分层的处理方法，通过层与层之间映射关系的不同从而合成一个整体的非线性耦合关系， 增强字典对现实世界的表达能力，还可以在分层处理影像的稀疏编码过程中，增强待处理 部分与对应字典之间的相关性，从何增强其稀疏系数的准确性。
[0065] 本发明中的实施例中采用的是遥感图像，但并不局限于遥感影像。对于其它影像， 比如，视频影像、自然影像、医学影像等都具有广泛的通用性，受客观因素的限制较少。由模 拟实验实际测试结果表明，该方法具有较高的精度，能够在有效保持影像边缘信息的同时， 最大程度的恢复高分辨率的信息。
[0066] 应该注意到并理解，在不脱离后附的权利要求所要求的本发明的精神和范围的情 况下，能够对上述详细描述的本发明做出各种修改和改进。因此，要求保护的技术方案的范 围不受所给出的任何特定示范教导的限制。
【主权项】
1. 一种基于非耦合映射关系的影像超分辨率重建方法，其特征在于，包括以下步骤： 步骤1，分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波器进行滤波， 得到相应金字塔影像，分别记为金字塔影像A和金字塔影像B; 步骤2,基于提取影像采样块，对金字塔影像A的每一层影像都分别构建一个过完备字 典，得到高分辨率字典，对金字塔影像B的每一层影像都分别构建一个过完备字典，得到低 分辨率字典，并分层进行结构相似性分析，对某一层的结构相似性分析如果不满足预设阈 值则调整该层的滤波器参数，返回步骤1重新滤波调整该层影像，如果满足预设阈值，则记 录当前的滤波器参数，确定每层都满足预先阈值后进入步骤3; 步骤3,根据步骤2中记录的滤波器参数，对待处理的低分辨率影像进行同样的滤波操 作，得到相应的金字塔影像，记为金字塔影像C，对金字塔影像C的每一层影像提取影像采样 块； 步骤4,分别对金字塔影像C的每层影像构造成信号矩阵，利用对应层的低分辨率字典 对该信号矩阵进行稀疏表达，得到稀疏系数； 步骤5，通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影像，最后将每 一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。2. 根据权利要求1所述基于非耦合映射关系的影像超分辨率重建方法，其特征在于:步 骤2中，对任一层进行结构相似性SS頂的计算方法如下所示，其中，P和O分别代表低分辨率影像和降质后的高分辨率影像，μΡ代表低分辨率影像均 值，代表降质后的高分辨率影像均值，σΡ代表低分辨率影像的方差，代表降质后的高分 辨率影像的方差，σ Ρ〇代表低分辨率影像与降质后的高分辨率影像之间的协方差，参数C1 = K1XUC2=K2XUL为灰度影像中的最大像素值，1^和1( 2是预设的常数;低分辨率影像是金字 塔影像B中某一层，降质后的高分辨率影像是金字塔影像A中相应层降质后的结果。3. 根据权利要求1或2所述基于非耦合映射关系的影像超分辨率重建方法，其特征在 于:步骤4中，进行稀疏表达的实现方式为，对于每一层的影像，将影像采样块逐一列化成列 向量，对于各列向量分别利用对应层的低分辨率字典，采用Lasso算法进行稀疏表达，求解 相应的稀疏系数。4. 一种基于非耦合映射关系的影像超分辨率重建系统，其特征在于，包括以下模块： 第一模块，用于分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波器进 行滤波，得到相应金字塔影像，分别记为金字塔影像A和金字塔影像B; 第二模块，用于基于提取影像采样块，对金字塔影像A的每一层影像都分别构建一个过 完备字典，得到高分辨率字典，对金字塔影像B的每一层影像都分别构建一个过完备字典， 得到低分辨率字典，并分层进行结构相似性分析，对某一层的结构相似性分析如果不满足 预设阈值则调整该层的滤波器参数，命令第一模块工作重新滤波调整该层影像，如果满足 预设阈值，则记录当前的滤波器参数，确定每层都满足预先阈值后命令第三模块工作； 第三模块，用于根据第二模块中记录的滤波器参数，对待处理的低分辨率影像进行同 样的滤波操作，得到相应的金字塔影像，记为金字塔影像C，对金字塔影像C的每一层影像提 取影像米样块； 第四模块，用于分别对金字塔影像C的每层影像构造成信号矩阵，利用对应层的低分辨 率字典对该信号矩阵进行稀疏表达，得到稀疏系数； 第五模块，用于通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影像， 最后将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。5. 根据权利要求4所述基于非耦合映射关系的影像超分辨率重建系统，其特征在于:第 二模块中，对任一层进行结构相似性SS頂的计算方法如下所示，其中，P和O分别代表低分辨率影像和降质后的高分辨率影像，μΡ代表低分辨率影像均 值，代表降质后的高分辨率影像均值，σΡ代表低分辨率影像的方差，代表降质后的高分 辨率影像的方差，σ Ρ〇代表低分辨率影像与降质后的高分辨率影像之间的协方差，参数C1 = K1XUC2=K2XUL为灰度影像中的最大像素值，1^和1( 2是预设的常数;低分辨率影像是金字 塔影像B中某一层，降质后的高分辨率影像是金字塔影像A中相应层降质后的结果。6. 根据权利要求4或5所述基于非耦合映射关系的影像超分辨率重建系统，其特征在 于:第四模块中，进行稀疏表达的实现方式为，对于每一层的影像，将影像采样块逐一列化 成列向量，对于各列向量分别利用对应层的低分辨率字典，采用Lasso算法进行稀疏表达， 求解相应的稀疏系数。
【文档编号】G06T3/40GK105931181SQ201610231568
【公开日】2016年9月7日
【申请日】2016年4月14日
【发明人】张洪艳, 张亚坤, 沈焕锋, 袁强强, 张良培
【申请人】武汉大学