本方向圍繞國家和安徽省新一代人工智能技術和計算機視覺應用的重大戰(zhàn)略需求，聚焦國內(nèi)外視覺智能與場景認知計算的前沿問題，開展視覺智能關鍵基礎理論與算法研究，創(chuàng)新以腦視覺認知為基礎的智能計算范式，為構建多模態(tài)認知計算與智能決策系統(tǒng)提供關鍵技術，探求視覺認知計算的人工智能產(chǎn)業(yè)化方案。所構建的多個水平集模型在圖像分割研究領域有著深遠的影響，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)督學習模型，基于域不變性建立了多種目標檢測模型，形成了一系列視頻分析、圖像處理、信息融合領域的原創(chuàng)性成果。近5年授權發(fā)明專利8項，獲批國家及省部級科研項目8項，發(fā)表高水平學術論文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300余萬。其中《An efficient local Chan–Vese model for image segmentation》單篇論文最高引用達692次，被評為ESI高被引論文。
