目前在视觉计算研究领域,Marr视觉计算理论一直起着主导作用。但据此的研究成效却甚少。原因在于Marr视觉计算理论着眼于局部的点、线、面等小范围特征的抽取,再到大范围视觉的分析;只把视觉看作单纯的信号处理,忽略了学习在视觉感知中的重要作用。这是有悖于知觉过程是由大范围性质到局部性质等视觉感知机理的。我们提出,模仿人类视觉感知,基于学习的全局形象感知识别是视觉感知的基础,而利用统计建模的分析识别的方
机器视觉是信号处理领域的前沿研究课题,具有广阔的应用前景。本项目对基于统计模型的机器视觉理论、方法和应用进行了深入研究和理论创新,从文字识别、多模生物特征识别以及智能视频监控等典型图像识别问题入手,在建立基于视觉感知的视觉模式统计建模统一框架基础研究工作方面,归纳总结出一种解决图像识别问题的统一框架,取得了显著的成果。该框架的要点是依据人类对客观世界的视觉认知过程,提出了视觉在对图象的认知过程是形象思维过程的分析,并据此采用对图象全局信息的统计识别方法。这种基于整体图象的统计识别方法使得识别具有高准确率和高抗干扰能力,在解决一系列图像识别问题方面取得了重要和积极的效果。本项目的部分研究成果已应用于少数民族地区和重要的国家安全项目,已经产业化,并授权国内外港台地区多家公司使用,取得了重大的经济效益和社会效益。本项目有科学技术鉴定成果三项,专家意见都是达到了国际领先水平。获得授权专利12项,软件著作权6项,新申请专利8项。并获得两项省部委奖励,一等奖和二等奖各一项。