近日，山东农业大学信息科学与工程学院赵斌教授团队在高光谱遥感图像去噪与多模态遥感分类领域取得新进展，展现了团队在高光谱遥感图像处理与遥感信息智能分析方面的持续研究积累。
在多模态遥感分类方面，团队在期刊《IEEE Transactions on Geoscience and Remote Sensing》在线发表题为“Spatial-Spectral Multi-Scale Mamba Fusion Network for Hyperspectral and LiDAR Data Classification”的研究论文。信息科学与工程学院在读硕士研究生曹文洁为本文第二作者，赵斌教授为本文第一作者，山东农业大学为第一通讯单位。该研究由山东农业大学、中国科学院空天信息创新研究院、冰岛大学、鹏城实验室等单位合作完成。
高光谱与LiDAR遥感数据分别从光谱、空间及地形等不同维度反映地物特征，具有较强的互补性。如何有效协同利用多源遥感信息，提升复杂场景下地物分类的精细化水平，是遥感智能解译领域的重要研究问题。针对这一问题，研究围绕高光谱与LiDAR数据的多维信息融合开展建模，探索不同模态遥感数据的协同利用方法，以提升复杂场景下地物分类的准确性和稳定性。实验结果表明，该方法在模拟和真实数据集上均取得了较好的分类效果，为多模态遥感数据融合及地物精细分类提供了有力的技术支撑。
论文链接：https://ieeexplore.ieee.org/abstract/document/11683289
在高光谱图像去噪领域取得新进展，团队在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》在线发表题为“Hyperspectral Image Mixed Noise Removal Based on Sparsity Constraint and Low-Rank Approximation”的研究论文。信息科学与工程学院已毕业硕士研究生张惠恒为论文第一作者，赵斌教授为论文通讯作者。该研究由山东农业大学和冰岛大学等单位合作完成。
高光谱图像在获取和传输过程中容易受到多种噪声的共同影响，进而造成图像质量下降，并影响后续目标识别、分类与定量分析等遥感应用。针对复杂混合噪声条件下的高光谱图像质量退化问题，该研究围绕高光谱数据的内在结构特征开展图像恢复研究，探索复杂噪声环境下的高光谱图像去噪方法。实验结果表明，该方法能够有效改善受多种噪声干扰的高光谱图像质量，在模拟和真实数据实验中均表现出较好的去噪效果，为复杂噪声条件下高光谱遥感数据的质量提升与后续应用提供了技术保障。
论文链接：https://ieeexplore.ieee.org/document/11523165
上述研究得到了国家自然科学基金青年项目、山东省自然科学基金面上项目、山东省青年创新团队项目和遥感科学国家重点实验室开放基金项目的支持。
相关成果体现了赵斌教授团队围绕高光谱遥感图像处理、多模态遥感信息融合及智能解译等方向开展的持续探索，也为团队进一步推进人工智能与遥感科学交叉研究、服务农业遥感与自然资源遥感应用奠定了良好基础。
编 辑：万 千
审 核：贾 波
