图像场景分析是当前图像理解的研究热点,其根本任务就是让计算机正确解释所感知的图像场景以及场景中的内容。图像理解的过程具有鲜明的层次性,图像理解的低层数据是视觉特征信息,高层数据是上下文知识信息,这两种类型的信息贯穿场景分析的整个过程。本文从数据驱动知识、知识指导数据的角度出发,研究图像分析中视觉信息的提取和表达,结合平面有向图模型载体,着重研究目标识别模型；同时,在目标识别模型的基础上构建一种新颖的场景分析模型,建立目标识别和场景分析之问的约束反馈机制,体现图像分析的反馈和渐进性,最终实现场景中的目标识别和场景图像的描述与理解等任务本文主要研究工作如下：1.概述了图像场景分析的研究内容,包括场景中的目标识别和场景内容的描述与理解。总结了平面图模型中无向图结构模型和有向图结构模型的各自特性,讨论了有向生成图模型下Dirichlet分布的三种概率推理学习方法。2.研究了图像场景分析中视觉信息的提取和存储,讨论了层次Dirichlet过程模型中的参数估计与学习推理问题,推导出Gibbs采样迭代和概率推理公式,进行场景单目标分析。针对场景图像的多目标识别问题,提出了在HDP模型的目标表达结构上融入部分的特征位置信息方法,形成转换Dirichlet过程模型,从而实现多目标类别和多目标实例的检测和识别。3.初步研究了场景分析图模型方法,借鉴HDP图模型的分层思想,构建了“场景-目标-部分”层次结构的生成图模型,建立视觉特征,目标类别与场景类别之间的概率关系,生成不同场景类别和对应目标类别信息的参数化表达。同时,验证了场景分析结果对目标分析的指导和约束作用,日标识别的结果可以反馈作用于场景分析,体现了图像分析中反馈的认知结构。