本项目在多项国家自然科学基金、陕西省自然科学基金和中国博士后基金等项目的支持下，致力于研究大幅面、低质量彩色地形图智能解译模型和优化理论的研究。

在彩色地形图地理要素提取与分割、地理要素细粒度识别与空间关系识别以及多源数据差异特征提取和特征融合等方面取得了创新和突破：①针对低质量彩色地形图存在的色彩混淆而导致地理要素难以准确提取与分割的问题，提出了能量密度滤波器、混合对立高斯滤波器和色彩混合程度模型，引入超像素分割和图像融合理论，丰富了区域性特征的表达能力，完成了复杂背景下地理要素的准确提取与分割。

②针对地理要素形态和纹理特征复杂多变，且空间分布广而导致地理要素及其空间关系难以准确识别的问题，提出线性广义霍夫变换模型以准确表达地形图中不可分离的点状符号的形态特征，并引入空间约束机制、图模型理论等以优化及准确识别不同要素的空间关系。

③针对地理要素识别任务中存在的样本不均衡以及多源数据存在较大差异的问题，提出了基于Boosting 的理论框架，设计了深度网络模型及其优化方法，提取多源数据的深层特征以识别多源数据间的差异信息，并进行特征信息融合与变化检测。