1、所属学科领域

复杂场景动态目标的观测、三维重建和智能识别，是航空航天遥感探测、信号与信息处理以及人工智能交叉学科领域前沿性的基础性问题。本项目属信息处理、人工智能和遥感多学科交叉领域。

2、主要研究内容

“复杂场景动态目标智能感知与识别的理论与方法”，是本项目团队近二十年来持续研究完成的基础研究成果，先后得到了国家 973863、国家自然科学基金（面上、重点、重点国际合作）支持。以高分辨对地、深空和深海探测面临的复杂场景动态目标探测为背景，紧密围绕复杂场景动态目标在三维几何形态重建的非刚性问题、物理属性变化或扰动问题、多目标的多尺度与探测器空间分辨率不足导致的混合像元等问题，以几何形态-物理属性-特征挖掘-智能处理为主线，主要研究：

（1）、复杂场景的刚性与非刚性目标三维重建理论与方法；

（2）、目标的光谱-空间特征挖掘与混合分析；

（3）、复杂场景动态目标的多视角、高光谱联合观测与智能识别理论与方法。

3、科学发现点与科学价值

（1）、发现了非刚性场景目标无需先验的模型约束，抛弃了已有方法的多种约束条件，进而创建了复杂动态目标场景非刚性目标从运动重建三维场景的数学理论与方法，攻克了非刚性目标三维重建这一困扰二十年的世界难题，不但是理论上的重要突破，而且重建精度提高了 1-2 个数量级，重建速度得到显著提高，获得 CVPR 2012 最佳论文奖，表明其国际领先地位。

（2）、针对高光谱图像分类、混合像元分析创立了高光谱遥感图像特征加权选择、空间与光谱联合特征智能挖掘算法；第一完成人多次应邀在国际大会做主题报告等，波段加权特征选择算法被国际同行作为经典代表之作广泛引用，图像融合、混合像元分别被同行认定为相应领域当前国际最新最好水平的很好的样品之作，与其他国际同行共同引导该主题研究自 2009 年以来成为国际热点。

（3）、在国际上率先创建了复杂动态目标的多视角几何观测与高光谱物理属性探测的联合观测框架体系，创建了多尺度 3D 深度神经网络实现空间与光谱 3D 联合特征的智能目标识别方法，显著提高了分类识别性能。“复杂场景动态目标的观测、三维重建和智能识别”项目成果处于国际领先地位， 可用于城市大规模动态监视、灾害实时监视与救援、高速运动目标识别与跟踪、航空航天以及深空深海遥感探测等领域，有广泛的应用前景。

4、同行引用及评价

主要成果已在 PAMI,TGRS, IJCV,CVPR, ICIP 等顶级刊物和会议上发表，8 篇代表性论文 SCI 他引392次、Google Scholar他引924次，其中单篇最高引用他引278次，论文4等4篇先后获得CVPR2012最佳论文奖等国际学术奖（CVPR 在 Google 公布的学术影响力因子 H5 排名中列电子信息、人工智能领域所有英文刊物、会议文集的第 1 位。该奖是中国大陆首次为第一完成单位获得的，在该领域有很大的际学术影响）。论文被 30 余位国内外院士及顶级国际期刊主编引用及正面评价。代表性成果 4 等被马尔奖获得者朱松纯教授公开评价为“重大的突破，其成果不得低估”，相关模型和法等在机载星载对地观测、国家安全等领域得到应用，第一完成人应邀在国际会议特邀主旨报告、大会报告 3 次。