本方向圍繞國家和安徽省新一代人工智能技術(shù)和計算機視覺應(yīng)用的重大戰(zhàn)略需求，聚焦國內(nèi)外視覺智能與場景認(rèn)知計算的前沿問題，開展視覺智能關(guān)鍵基礎(chǔ)理論與算法研究，創(chuàng)新以腦視覺認(rèn)知為基礎(chǔ)的智能計算范式，為構(gòu)建多模態(tài)認(rèn)知計算與智能決策系統(tǒng)提供關(guān)鍵技術(shù)，探求視覺認(rèn)知計算的人工智能產(chǎn)業(yè)化方案。所構(gòu)建的多個水平集模型在圖像分割研究領(lǐng)域有著深遠(yuǎn)的影響，并提出了基于能量泛函相似性度量的區(qū)域型水平集分割范式；設(shè)計了多種圖核分類器、多尺度深度圖核融合建模方法，研究了核方法在數(shù)據(jù)挖掘與模式識別上的應(yīng)用；利用圖像和視頻底層與高層特征互補的特性，提出基于層級融合與差異化激活的弱監(jiān)督學(xué)習(xí)模型，基于域不變性建立了多種目標(biāo)檢測模型，形成了一系列視頻分析、圖像處理、信息融合領(lǐng)域的原創(chuàng)性成果。近5年授權(quán)發(fā)明專利8項，獲批國家及省部級科研項目8項，發(fā)表高水平學(xué)術(shù)論文40余篇，獲省部級以上獎勵4項，企業(yè)委托開發(fā)項目到賬經(jīng)費達(dá)300余萬。其中《An efficient local Chan–Vese model for image segmentation》單篇論文最高引用達(dá)692次，被評為ESI高被引論文。
