几何造型与机器学习融合的图像数据拟合问题研究

实验室在图像数据拟合与几何重建领域具有深厚的理论积淀，长期围绕复杂图像数据的结构表达、几何建模与高精度重建等关键问题开展系统研究。依托数学、几何造型与机器学习等多学科交叉优势，团队在图像边缘感知、局部结构刻画、曲面拟合与形状重建等方面形成了较为完整的研究体系，为解决医学图像、复杂形体重建等实际问题提供了坚实的理论与方法支撑。

由张帆教授主持的国家自然科学基金面上项目《几何造型与机器学习融合的图像数据拟合问题研究》, 项目经费54万元。该项目针对传统几何造型方法在处理图像边缘数据时普遍存在的鲁棒性不足、细节保持能力有限以及复杂结构表达困难等共性难题，系统开展了图像块特征表示、智能分割以及基于学习的曲面构造等前沿方向研究。项目将几何造型的可解释性优势与机器学习的强大表征能力有机结合，探索出了一条面向复杂图像数据拟合的新路径。

该项研究不仅在理论层面推动了图像数据拟合与几何重建方法的发展，也为复杂解剖结构的高精度拟合奠定了坚实的底层数学理论基础。特别是在医学图像建模、器官表面重建以及复杂生物结构几何表达等应用场景中，相关成果展现出重要的应用潜力。通过该项目的持续推进，实验室进一步夯实了在图像拟合与几何重建方向的研究特色，为后续开展更高水平的基础研究与应用转化提供了有力支撑。