1、建立了高维可视媒体数据的多层次、自适应表示框架，分别提出排序信 息保留判别分析模型和有监督高斯过程潜变量分析模型，有效解决了监督降维方 法在高维问题小样本学习上的缺陷，充分挖掘了高维数据的拓扑结构和内在信 息；继而提出了基于 GPU 加速的视觉特征融合方法，实现了可视媒体的快速内容 分析。 2、构建了异构可视媒体数据的稀疏重建和质量评价框架，提出相关近邻图 像块的稀疏特征自适应选择方法，克服了固定近邻个数带来的模糊效应和噪声现 象；进一步利用图像自然场景统计特征，提出基于多核学习的无参考图像质量评 价模型，获得了更好的主客观一致性。 3、构建了基于局部特征区域的图像来源真实性鉴别框架，设计了局部特征 区域最优选择模型，进一步提出了基于仿射协变区域和基于局部特征区域不变矩 的抗几何攻击图像水印方法；构建了基于直方图平移和聚类分析的鲁棒可逆信息 隐藏框架，有效改善了传统水印方法视觉质量差、弱鲁棒性、容量低等问题，为 提供可信的图像来源鉴别提供了理论依据。 4、建立了直推式的异构人脸合成与身份鉴别框架，设计了面向异构图像对 的概率图生成模型，改善了传统归纳式框架固有的测试误差较大的问题；构建了 增量学习下的正则约束平滑身份鉴别框架，有效解决了求解协方差矩阵逆时遇到 的小样本问题，并且大大降低了计算复杂度。 获奖情况：陕西省科学技术奖励一等奖。