课题组宫传政的论文被IEEE TGRS录用

课题组硕士 宫传政 一篇关于多源遥感图像分类的论文被 IEEE TGRS 录用并发表。

高光谱图像（HSI）与合成孔径雷达（SAR）/激光雷达（LiDAR）数据在地表覆盖分类中提供了互补的光谱信息与结构信息。然而，由于两个主要限制，其有效融合仍然具有挑战性：一是高维HSI中的光谱冗余问题，二是多源数据之间的异构特性。为此，我们提出了一种代表性光谱相关网络（RSCNet），这是一种新颖的多源图像分类框架，专门通过光谱选择与自适应交互来解决上述问题。

该网络包含两个关键组件：（1）关键波段选择模块（KBSM），在跨源引导下从原始HSI中自适应选择与任务相关的光谱波段，从而缓解冗余问题，并减轻传统基于主成分分析（PCA）的光谱降维所带来的信息损失。此外，所学习得到的波段子集呈现出高度判别性的光谱结构，与判别性语义特征相一致，从而促进紧凑且具有表达力的特征表示；（2）跨源自适应融合模块（CAFM），通过跨源注意力加权以及局部—全局上下文细化，增强跨源特征之间的交互能力。

论文的代码已在 https://github.com/oucailab/RSCNet 上公开。