中文摘要：

视觉匹配是计算机视觉和视频分析中一个非常有挑战性的基础研究问题。其研究的难点在于高维计算机视觉数据中的不确定噪声对匹配效果的影响，从高层语义到低层视觉特征之间的语义鸿沟对匹配造成的不确定性，以及视觉目标物体自身的复杂性和不完备的图像观测造成的匹配的不确定性。这些难点使得传统的匹配方法不能很好地处理这样的复杂视觉问题。本课题旨在提出一种新颖的、统一的自适应视觉匹配模型来克服这一挑战。我们计划通过系统、严谨的分析来研究自适应视觉匹配的统一数学模型，分析在不同给定数据标注下的自适应视觉匹配研究方法，分析算法复杂度和收敛性能，研究自主定阶问题，并开发算法实验及验证平台。我们拟在多种计算机视觉应用中，挑选图像超分辨率重构，视频跟踪以及视频运动识别作为本项目的研究实例。研究成果将提供符合计算机视觉数据特点的自适应视觉匹配的统一理论及算法，促进计算机视觉领域中以匹配算法为核心的多种应用的发展。