积极服务于国家、宁夏回族自治区电子信息产业的发展需求和图像图形智能处理的发展需求为导向，通过创新引领、开放合作，聚集和培养优秀科技人才，解决图像图形智能处理相关学科理论和技术发展的关键问题，在具有特色和社会需求的遥感图像智能分析与应用、医学图像智能分析与应用、三维模型多模态检索技术和智能计算与机器学习理论等研究领域为地区智慧医疗、智慧城市建设、环境污染监控、工业固体废物监测、水资源利用保护，为宁夏建设黄河流域生态保护和高质量发展等方面提供技术支持服务，力争取得标志性成果，将图像图形智能处理重点实验室建设成宁夏知名、行业内有一定影响力，具有社会服务和创新能力的研究基地，成为宁夏及民族地区的人才培养基地和科技服务基地。本实验室的主要研究方向有：

遥感图像智能分析与应用。主要研究应用遥感技术对固体废物周围植被和水体环境动态地监测、分析、识别等，如对矿物光谱特征进行知识化表达，实现矿物识别；对固体废物所造成的铁污染、选冶废水所产生的水污染以及植被污染等信息进行提取、识别并分析研究；根据其光谱特征将矿物及固废提取出来，掌握其空间分布，为进一步研究其对周边环境的影响奠定基础。研究遥感异构数据的统一表达模型、关联分析模型、决策规则等，从而提高基于遥感数据决策的准确性；建立基于视觉机制驱动的深度学习模型，实现准确的遥感影像语义解释。

医学图像智能分析与应用。医学图像目前已经从单模态、平面、静态、形态显像发展到多模态、立体、动态、功能显像，并且具有多源(CT，MRI，PET等)、高维(一维、二维、2.5维、三维及更高维)、多模态(解剖、功能)、异构(像素矩阵表示的图像、像素集合表示的目标、符号表示的知识)的特点。各种医学图像(如解剖图像：超声、CT、MRI；功能图像：fMRI、PET等)为临床疾病诊断与科学研究提供了丰富的信息，可以有效辅助医生对病灶进行诊断。该方向主要致力于基于医学影像的智能分析与应用主要致力多模态医学图像的去燥、增强、配准、器官和病灶的分割、特征提取、计算机辅助诊断等诸多领域。通过本研究将有效促进医学图像、数学、模式识别、人工智能等学科进一步的交叉和融合。

三维模型多模态检索技术。人工智能推进的前提是在信息空间中完整表达物理世界，并形成信息世界同物理世界的无缝交互。然而物理世界中的同一物体可以对应文本、草图、图像、三维模型不同模态数据。其中：文本高度抽象，符合人类思维习惯；草图简单，捕捉模型的重要设计元素，更符合设计人员构思习惯；图像简单直观，更容易被获取；三维模型信息丰富完整，更真实反映原始物体。这些不同模态数据反映了原始物体的不同信息，适用于不同场合，却彼此对应。另一方面，在信息空间的表示中，图像信息丰富、语义标注完善，然而其识别却受光线、背景、视角的影响；三维模型信息完整、纯粹，然而其数据格式复杂，数据源相对缺乏，语义标注更是少之又少。这些不同模态数字模型的有效关联能够取长补短，实现信息互补，帮助不同需求的人员更加有效的利用数字资源。拟围绕该问题展开研究，基于深度学习，研究多模态数据表征技术，研究多模态语义空间嵌入技术，研究多模态数据互检索技术，实现不同模态数据的信息关联、信息互查，支持各模态数据的综合应用。

智能计算与机器学习理论。在智能优化方面，针对最优化领域中不同类型优化问题，以生物免疫系统的运行机理、机制和相关概念为依托，探讨解决不同类型优化问题的免疫优化算法，从实验的角度检测算法收敛性、鲁棒性、算法运行效率和效果，并与多种不同类型的代表性优化算法比较分析；从理论的角度，分析算法的几何性质，算法的理论上收敛性、稳定性等；从应用的角度，将算法应用于智能决策、图像处理、环境工程等领域中的应用；在机器学习方面，基于深度学习理论，研究轻量级深度学习模型，研究适用于三维模型的端到端深度学习网络，研究面向小样本的深度学习网络，研究深度学习网络的可视化交互技术，研究半监督深度学习网络；围绕计算智能、智能优化、生物智能信息处理、深度学习等领域开展多方面研究，形成理论研究、算法研究、技术开发及工程应用为一体的研究群体。