本项目对异构可视媒体内容分析与可信服务的关键理论和技术开展了全新研究,对涉及的高维异构图像数据降维表示、图像内容分析与语义挖掘、图像信息安全与保护、异构图像重建与质量评价等四个关键技术进行了深入的研究。   （1）高维异构图像数据降维表示。针对高维异构数据维数高、非线性、极复杂的问题，提出了基于分层判别性广义特征分解算法和基于吉布斯采样的结构化PFC算法挖掘影像数据潜在的非线性信息。针对异构图像数据中的判别性低维特征提取问题，提出了基于密集子图检测的维度选择算法。针对异构图像数据间的潜在信息关系，提出了一种潜在信息约束的非负矩阵分解方法。   （2）图像内容分析与语义挖掘。针对异构可视媒体数据快速检索中如何有效的进行哈希编码的问题，提出了双边随机投影哈希算法、局部保持迭代量化哈希算法、基于分类器的监督哈希算法和基于图传导的半监督哈希算法。针对现实场景中多模态、多视角检索问题，提出一种协同哈希算法。针对图像潜在的认知语义特性的提取问题，提出了基于视觉语义特性的半监督主题模型。针对异构图像数据重排序中过度依赖视觉特征而忽略高层语义概念的问题，提出了基于查询的视觉字典自适应图像重排序算法。针对图像重排序中如何有效利用不同特征模态间的互补关系，提出基于弱监督多图学习的视觉重排序算法。   （3）图像信息安全与保护。   针对图像数据中的水印抵抗非恶意处理和几何攻击的鲁棒性问题，提出了基于聚类和像素掩膜的鲁邦可逆水印算法和基于全局校正与局部嵌入的抗去同步攻击图像水印算法。针对被攻击图像中水印图像恢复问题，提出了基于聚类和统计频率直方图的鲁棒无损数据隐藏方法。提出了基于内容自适应的可逆无损信息隐藏算法，提高了异构图像中水印图像的视觉质量。针对异构图像的真伪和来源鉴别问题，提出了基于能量密度归一化的图像比例因子估计算法。   （4）异构图像重建与质量评价。   针对基于K近邻选择方法固定近邻个数给异构图像分析与理解带来的噪声和模糊效应，提出一种能够自适应确定图像块近邻个数的稀疏特征选择方法。针对现有异构图像融合变换时多采取线性组合方式导致的高频细节信息丢失的问题，提出一种两阶段的异构图像增强方法。充分利用低分辨图像的局部结构信息和自相似结构信息，提出一种基于非局部均值和可控核回归相结合的图像超分辨重建方法和一种基于自适应稀疏表示的图像超分辨重建方法。针对现有图像质量评价算法需要大量带有主观评价数据的训练样本以及评价方法的跨数据库泛化能力差的问题，提出一种基于自然场景统计特性与稀疏表示相结合的无参考图像质量评价算法。   本项目共发表国际期刊论文55篇，其中，在IEEETransactions上发表论文17篇，在PatternRecognition、SignalProcessing和Neurocomputing等国际知名刊物上发表论文30余篇；10篇代表作被SCI他引114次，本项目已授权发明专利14项。