近日，北京理工大学光电学院许廷发教授科研团队在高光谱遥感图像处理领域取得新进展，研究成果以“Content-driven Magnitude-Derivative Spectrum Complementary Learning for Hyperspectral Image Classification”为题发表在遥感领域的国际顶级期刊《IEEE Transactions on Geoscience and Remote Sensing》（IEEE TGRS）上。该工作第一作者为北京理工大学硕士研究生白荟琰，通讯作者为北京理工大学许廷发教授和李佳男特别副研究员。![]()
![]()
图2 展示了该方法在遥感图像上更全面分类边界的效果，体现了更充分的光谱宏观结构和微观细节针对高光谱遥感图像分类中存在的光谱冗余和混叠难题。许廷发教授科研团队提出了一种内容驱动的幅度导数光谱互补学习高光谱图像分类方法。通过引入能够放大微小光谱特征，提取了隐藏信息光谱导数特征，创新的构建了光谱互补网络。通过构建内容感知的逐点模块，实现了光谱互补特征的充分利用。网络结构图如图1所示。
该研究解决了高光谱遥感图像分类中存在的光谱冗余和混叠带来的分类性能降低难题。在光谱幅度混淆的情况下，增强了单个光谱下混淆特征的区分度，实现了光谱信息的充分利用，为高光谱解混和分类研究提供了理论和方法支撑。论文详情：H. Bai, T. Xu, H. Chen, P. Liu and J. Li, "Content-driven Magnitude-Derivative Spectrum Complementary Learning for Hyperspectral Image Classification," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2024.3435079.论文链接：
https://ieeexplore.ieee.org/document/10613611![]()
