1. Image Super-Resolution using Gradient Profile Prior 图像先验是描述图像一般性规律的知识，是解决图像处理与分析问题的重要基础。

但是，先验作为一种知识，难于定量描述与刻画，因此发展图像先验及其计算方法是图像处理与分析的重要研究课题。

本论文在国际上首次发现了图像边缘在梯度场内的轮廓形状满足广义高斯分布的先验，从而建立了梯度场轮廓先验模型。

进一步，提出梯度场轮廓变换模型以及梯度场图像重建模型，以精准控制图像边缘在梯度场内的轮廓形状，从而控制图像的清晰度。

基于该先验，提出了图像超分辨率算法，取得了国际领先的图像处理效果。

2. Image Inpainting by Patch Propagation Using Patch Sparsity 该论文发现了图像非局部区域内图像块自相似性的稀疏度可以用来建模图像边缘与纹理的置信度，该稀疏度被定义为结构稀疏度；进一步提出了基于结构稀疏度的图像块填充准则，以及基于内容约束的图像块稀疏表达模型。

该模型被应用于图像填充问题，取得了论文发表时的国际领先效果。

3. Learning Discriminative Part Detectors for Image Classification and Cosegmentation 视觉语义分析主要研究图像中的物体、场景等类别的自动识别，是构建视觉人工智能系统的关键一环。

针对图像与语义之间的巨大鸿沟，本论文提出了使用具有特定物理意义的部件集合来表示并进行图像识别的新方法。

该方法用部件来表示图像，并基于部件表示来进行图像的模式识别。

4. Deep ADMM-Net for Compressive Sensing MRI 本论文在国际上首次提出以CS-MRI模型为驱动，设计用于核磁共振成像的压缩传感深度网络Deep ADMM-Net。

该网络以压缩传感核磁共振成像模型为启发构建模型族，以模型的ADMM优化算法为启发构建算法族，以算法族展开构建Deep ADMM-Net，进一步通过数据训练该网络。

该方法建立了物理模型驱动与数据驱动方法之间的桥梁。

以该方法为基础，论文作者课题组提出了模型驱动深度学习的新思想和新方法，在国际上产生较大影响。

5. Multimodal 2D+3D Facial Expression Recognition With Deep Fusion Convolutional Neural Network 本论文建立了基于3D人脸曲面与2D人脸可见光图像融合的双模态人脸识别新模型与新算法。

该方法提出基于3D人脸几何曲面的多阶微分量来描述3D人脸曲面特征的新思路；进一步设计了融合3D曲面几何特征和2D人脸图像特征的深度特征融合网络；大量实验证明，该方法显著提升了单纯基于3D人脸或2D人脸的识别精度，在富有挑战的人脸表情识别任务上取得当前领先的识别精度。