10月21日下午3点，我院在316举办了第二十一期“青年学术论坛”。本次报告的主题为《序列高光谱图像“时-空-谱”联合特征表达与智能解译研究》，由侯增福老师主讲，我院2024级全体研究生同学参加。
内容简介：
随着高光谱传感器与无人机、卫星等平台的深度融合，序列高光谱图像因其蕴含丰富的“时间-空间-光谱”三维信息，在环境监测、城市变迁、灾害评估和军事侦察等领域展现出巨大应用潜力。然而，当前主流研究多聚焦于单帧高光谱图像，难以捕捉地物动态变化特征；而现有针对序列数据的智能解译方法普遍存在空间几何形态表征不足、三维光谱结构信息丢失、模型泛化能力弱及标注样本稀缺导致的过拟合等问题。
为应对上述挑战，本研究系统开展了序列高光谱图像“时-空-谱”联合特征表达与智能解译方法的研究。针对双序列高光谱图像，提出了基于形态学多属性特征提取的方法，有效提升了地物几何空间信息的利用率，并设计了SALA变化检测器，实现了边缘保持与噪声抑制的协同优化；进一步引入三阶Tucker张量分解与能量累积重构策略，增强了变化地物与背景之间的光谱差异性，显著提升了无监督变化检测精度。
面向多序列高光谱视频数据，构建了基于堆叠梯度直方图（SHOG） 与自适应二维尺度更新的TSCFW目标跟踪模型，充分挖掘光谱一致性特征，提升了复杂场景下的跟踪鲁棒性；针对深度学习模型面临的标注数据匮乏问题，创新性地提出SiamBAG孪生网络架构，通过波段注意力分组与RGB数据迁移训练，实现了高光谱目标跟踪模型的有效学习与泛化。
