本方向围绕国家和安徽省新一代人工智能技术和计算机视觉应用的重大战略需求，聚焦国内外视觉智能与场景认知计算的前沿问题，开展视觉智能关键基础理论与算法研究，创新以脑视觉认知为基础的智能计算范式，为构建多模态认知计算与智能决策系统提供关键技术，探求视觉认知计算的人工智能产业化方案。所构建的多个水平集模型在图像分割研究领域有着深远的影响，并提出了基于能量泛函相似性度量的区域型水平集分割范式；设计了多种图核分类器、多尺度深度图核融合建模方法，研究了核方法在数据挖掘与模式识别上的应用；利用图像和视频底层与高层特征互补的特性，提出基于层级融合与差异化激活的弱监督学习模型，基于域不变性建立了多种目标检测模型，形成了一系列视频分析、图像处理、信息融合领域的原创性成果。近5年授权发明专利8项，获批国家及省部级科研项目8项，发表高水平学术论文40余篇，获省部级以上奖励4项，企业委托开发项目到账经费达300余万。其中《An efficient local Chan–Vese model for image segmentation》单篇论文最高引用达692次，被评为ESI高被引论文。