复杂图形数据内容理解与检索技术研究

对复杂图形数据内容的理解、识别和检索是模式识别和计算机视觉领域的一个重要研究方向，也是图形信息自动化和智能化处理应用的关键支撑技术。本课题围绕该问题，从多层次统计、结构特征和语义知识的有效组织表示形式和使用机制的角度，在三个相互联系的方面开展研究：1）在整体的内容理解分析框架上，以针对图形数据的随机上下文相关语法为主要基础，研究在Bayesian统计框架中对图语法模型、图形语义知识、上下文环境约束和推理调度机制的有效建模；2）针对复杂图形上下文中的图形特征描述与抽取，研究在象素、图元、标记结构等多个层次有效结合结构和统计约束的模型和方法；3）针对基于形状标记对图形数据内容的检索，研究形状查询的描述形式、多尺度自适应的图形检索匹配算法和基于相关性反馈的特征和查询优化机制。项目开展的预期成果，将对相关领域技术方法的发展和应用起到积极的推动作用，具有相当重要的学术和应用价值。