人工智能的终极目标之一是利用计算机模拟人类观察和感知世界。视觉数据包括高维视觉数据能从多种维度记录客观物理世界，是计算机感知物理世界的主要信息来源之一。因而基于视觉数据的处理及理解技术对推动计算机视觉、遥感图像解译等方向智能化的发展至关重要。概率语义模型方法常用于图像理解，其中视觉语义先验、概率语义模型构建以及模型推理算法等是概率语义模型方法的关键内容。本项目在国家自然科学基金的支持下，针对这些内容开展重点研究，在理论创新方面，提出了一系列的新思想、新方法，包括图像的结构性先验建模、多任务模型构建、概率图推理方法及鉴别性特征提取及分类等内容，并将这些方法应用于图像处理及理解相关的多个任务，推动了相关技术的发展。本项目的相关研究得到了国内外同行的认可，在国内外主流学术期刊和会议上如CVPR、ICCV、AAAI、ECCV以及IEEE TIP、IEEE TGRS、IEEE TCI、Pattern Recognition等上发表多篇高水平文章，在关键技术方面已申请专利10余项。本项目同时是“高维视觉数据结构表示与学习理论方法研究“ 的重要组成部分，为其研究所涉及的自适应结构表示建模及优化方法的研究工作提供了有利的支撑。