敬告讀者:
《中大通訊》已停刊,本網暫停更新。請移玉步造訪本校最新通訊《走進中大》網頁:https://focus.cuhk.edu.hk,閱讀大學報道和消息

學術探奇

看得深,賞得真

中大數學家以方程式鑑別方圓曲直

陳漢夫教授說:「當你見到不同的問題,嘗試找出問題的本質,而不同問題的本質往往一樣。關鍵就在於以數學思維,將實際問題轉化成抽象邏輯。」

數學系
陳漢夫教授

有賴中大陳漢夫教授的研究成果,天文學家得以更清晰地觀看星象,藝術贗品亦無所遁形。

Toeplitz是一種複雜的線性方程組系統,而陳教授開發的演算法是目前求解Toeplitz系統的最快方式。他將圖像和信號處理轉換成數學系統,從而設計出電腦算法來大大提高望遠鏡圖像的質素,也可以辨別梵高名畫的真偽。

陳教授是中大數學系系主任,他指出:「當你見到不同的問題,嘗試找出問題的本質,而不同問題的本質往往一樣。關鍵就在於以數學思維,將實際問題轉化成抽象邏輯。」

在簡單的數學系統,例如2x + 4y = 8,2和4這兩個數值是隨意的,有無窮無盡的排列可能。很多不同的計算方式可以產生相同的結果。但在Toeplitz系統或矩陣中,無論系統有多複雜,數字之間存在特定關係。數字的數值是固定的,取決於系統,因而高度可測,能用演算法快速自動解算。

陳教授應用運算法,對於不明大氣干擾程度的衛星圖像可以修復至29.08分貝的準確度

利用Toeplitz系統可改善圖片或信號的雜訊。如果圖像因模糊而失真,例如是錯誤對焦,像素就像數學的「卷積」(convolution)原理而混合在一起。要令圖片回復清晰,就必須將「卷積」倒置,沿着混合的路徑追溯像素的原本狀態。

同樣的Toeplitz問題亦可見於金融巿場的衍生工具定價。陳教授則專注研究將演算法應用於不同種類圖片的清晰化處理。

他的算法大大加快了圖片問題的處理。在正常「n-by-n」的Toeplitz系統中,n是未知的數字,必須透過求解決n道方程式來算出,而解決問題的時間通常約為n2 的計算量。陳教授的算法能以大約n的計算量解決圖像問題。

陳教授對梵高的興趣是近年才開始的;事緣他到荷蘭代爾夫特理工大學,探望正與荷蘭一間藝術館合作研究的友人。藝術館提供了79幅畫的數據組,當中64幅已確定為梵高真品,其餘的最初誤以為是梵高作品,但後來發現並非百分之百梵高手筆。這次分辨真偽的高難度挑戰,剛好讓陳教授發揮專長。

陳教授應用運算法加以分析,分辨藝術館油畫是否梵高手筆(圖:阿姆斯特丹梵高博物館)

陳教授和團隊應用運算法加以分析,分辨真品的準確率達88%,擊敗其他所有電腦分辨技術,甚至比肉眼更優,有助專家縮窄篩選範圍和支持分析。

配合適當的系統開發,運算過程可延伸至檢測其他藝術家的作品。陳教授的一位門生正和香港科技大學的教授合作,將此套運算法應用到中國古典藝術等領域。

陳教授最初着手求解Toeplitz系統,是為了嘗試改善地面望遠鏡的圖像。望遠鏡獲取的太空物體圖像,例如衛星,大都模糊不清,因受大氣層氣流影響,正如我們看到星星閃爍的道理一樣。

問題在於電腦系統解碼圖片時,並不知道大氣干擾的程度。陳教授開發的運算法解決了這一難題,透過測試圖片發現,對於不明模糊程度的衛星圖像可以產生29.08分貝的準確度,比起原本圖片誤差僅約5%,而且與已知特定大氣干擾程度的測試準確度29.66分貝相差不遠。

和他合作研究的Robert Plemmons,在1997年美國國會委員會上用測試結果作證,在美國國防部的撥款聆訊中強調開發這方面技術對衛星和國防的意義。技術同樣適用於天文觀測。

陳教授2008年開始將算法應用於改善錄影圖像質素,做法是利用多幅靜止影像,同時移動相機。他在2010年發現同樣的處理過程亦可應用於望遠鏡,做法是以固定的動作移動望遠鏡。教授目前亦與台灣的一位醫生合作,利用多幅圖像來提高平行磁力共振造影的準確度。

陳教授說:「當我遇上一個問題,而我認為是類似之前自己解決過的問題,我會走進這個問題。用數學術語來說,即是建立模型來模擬這個問題,應用運算法,拆解模型,取得結果。」

倘中英文版本出現歧義,概以英文版本為準。


標籤
陳漢夫 數學系 理學院 圖片清晰化 數學 教授