（通訊員崔文靜）近日，遙感領域國際頂級期刊IEEE Transactionson Geoscience and Remote Sensing(IEEE TGRS, SCI一區, 影響因子8.2)發表了我校williamhill威廉希尔官网“數據挖掘及建模”團隊題為“A Dual-Branch Deep Stochastic Adaptive Fourier Decomposition Network for Hyperspectral Image Classification”的研究成果。williamhill威廉希尔官网為第一署名單位，成純波博士為論文的第一作者。
| |
|
高光譜遙感技術在異常檢測及目标檢測等領域得到了廣泛的應用，特别是高光譜圖像分類在環境監測、城市調查、精準農業及國防等方面具有重要意義，備受關注。目前，雖然深度學習方法在高光譜圖像分類中取得了令人滿意的結果，但是這些方法仍然需要大量的标記樣本，且需要花費大量時間确定模型參數。針對這些問題，該論文提出了一種對偶分支深度随機自适應傅裡葉分解(SAFD)網絡(DSAFDNet)。SAFD是一種新興的信号處理工具，具有堅實的數學基礎，它可以用來尋找一組随機信号或多維信号的公共濾波器。由于SAFD分解得到的濾波器是複數，目前很少有深度學習方法直接處理這種複數濾波器。為此，該論文提出了一種對偶分支網絡，它可同時利用濾波器的實部和虛部從高光譜圖像中提取深度特征。進一步，該論文研究了不同分類器對所提取的深度特征的分類性能，研究結果為高光譜圖像分類提供了新的思路，拓展了深度學習的範疇。
據悉，該文是成純波博士2023年以來公開發表的第二篇高質量學術論文，另一篇論文以題為《A Two-Stage Convolutional Sparse Coding Network for Hyperspectral Image Classification》已于2月在國際著名期刊《IEEE Geoscience and Remote Sensing Letters》發表( SCI二區, 影響因子4.8)。
