课题组近5年在多项国家自然科学基金项目的资助下，在多传感器图像/视频融合、单模态/多模态图像显著性目标检测、多模态医学图像分割等多模态图像处理及相关计算机视觉任务方面进行了深入、系统地研究，取得了一系列创新性研究成果。

♦基于二分流“部分-目标”匹配的深度显著性目标检测：首次将胶囊网络用于稠密预测视觉任务中。相应成果发表《IEEE International Conference on Computer Vision 2019》，其扩展版本被《IEEE Transactions on Pattern Analysis and Machine Intelligence》期刊接收。

♦基于多层卷积特征融合的RGB-T多模态图像显著目标检测：第一个基于深度卷积神经网络的端对端RGB-T显著性目标检测模型。相应成果已发表在《IEEE Transactions on Image Processing》。

♦基于单模态图像特征和多模态图像融合特征联合使用的RGB-D显著性目标检测：相关成果发表至《IEEE Transactions on Multimedia》。

♦基于双向模态差异缩减的RGB-T多模态图像语义分割：相应成果已发表在《IEEE Conference on Computer Vision and Pattern Recognition》。

♦基于互补和干扰感知的RGB-T多模态图像目标跟踪：相应成果已发表在《IEEE Transactions on Circuits and Systems for Video Technology》。

♦基于多模态特征学习的MRI 脑瘤图像分割：相应成果发表在《IEEE Transactions on Image Processing》,《Pattern Recognition》等期刊。