| 评审组： | 电子与通信技术组 | | 项目名称： | 高光谱遥感图像智能获取与处理 |
| 提名单位： | 陕西省教育厅 |
| 提名等级： | 一等奖 |
| 提名单位意见： | 该成果面向高光谱遥感空天战略资源开发的国家重大需求，针对高光谱遥感图像获取与处理面临的空谱信息获取与表征不均衡以及光谱变化影响严重问题，深入开展系统性研究，形成超分辨光谱重构、空谱协同智能处理以及光谱变化增广处理等关键成果，构建了高光谱遥感图像智能获取与处理理论与方法体系。
成果揭示了遥感图像在光谱维和空间维退化成像机理，建立低分辨率遥感图像与高分辨率遥感图像的复杂非线性映射模型，提出基于神经网络的高光谱图像超分辨重构算法，通过计算成像技术实现高空间分辨率高光谱遥感图像的有效获取；发现了高光谱数据在空间维和光谱维的协同互补机理，提出了基于深度学习的空谱联合特征学习与分类算法，显著提升了高光谱图像的地物分类精度；阐明光谱变化对本征光谱的影响机理，构建了高光谱图像中光谱变化提取模型，研发光谱变化增广的高光谱图像处理系列算法，有效提高像元级地物分类与亚像元级混合像元分解精度。
成果选题紧扣国防与民用重大需求，创新性突出，相关研究成果发表遥感领域遥感领域中科院TOP期刊论文50余篇，15篇论文入选ESI高被引论文，5篇代表作Google Scholar总被引用1400余次，WOS总被他引1135次，得到同行广泛引用和高度评价，产生了重要学术影响，成果已成功应用于微小卫星探测、红外制导数据处理等国防领域及农业遥感等民用场景，为国家空天信息安全与社会经济发展提供重要技术支撑。 |
| 项目简介： | 
|
| 客观评价： | 
|
| 代表性论文专著目录： | 
|
| 主要完成人情况： | - 姓名：梅少辉
排名：1
行政职务：无
技术职称：教授
工作单位：西北工业大学
完成项目时所在单位：西北工业大学
对本项目主要学术贡献：梅少辉聚焦高光谱遥感图像空谱退化、空谱信息协同表征、光谱变化干扰难题，对项目科学发现做出了决定性贡献。梅少辉是代表论文1，2的作者，对科学发现点 1，从成像物理层面系统揭示遥感图像在光谱维和空间维退化成像机理，创建空谱联合超分辨计算成像系列算法；是代表论文3，4的作者，对科学发现点 2，系统阐明高光谱数据在空间维和光谱维的协同互补机理，破解空谱信息耦合带来的特征挖掘瓶颈；是代表论文5的作者对科学发现点 3，从信号处理角度揭示光谱变化对本征光谱的影响机理，创建光谱变化增广的高光谱遥感图像处理系列算法。对项目核心科学发现的形成起到决定性作用。(附件1，2，3，4，5)
- 姓名：马明阳
排名：2
行政职务：无
技术职称：副教授
工作单位：西北工业大学
完成项目时所在单位：西北工业大学
对本项目主要学术贡献：马明阳是代表性论文3的作者，聚焦光谱变化干扰难题，对该成果的科学发现点 2 做出了重要贡献。对科学发现点2，从信号处理角度系统揭示光谱变化对本征光谱的影响机理，构建高光谱图像光谱变化提取模型与量化分析框架；原创性提出光谱变化增广系列算法，创新光谱变化迁移技术，有效抑制光照、环境等因素导致的光 谱非确定性变异，显著提升像元级分类与亚像元级分解精度；牵头开展算法在军事目标反伪装与反欺骗识别中的应用验证，为红外制导、伪装目标实时检测提供核心技术保障。(附件3，5)
- 姓名：张易凡
排名：3
行政职务：无
技术职称：教授
工作单位：西北工业大学
完成项目时所在单位：西北工业大学
对本项目主要学术贡献：张易凡是代表性论文1，5 的作者，在科学发现点 1 中做出了关键性贡献，针对高光谱图像空谱信息获取不均衡难题，创新性地提出了多尺度、跨光谱维度的注意力融合机制，有效解决了现有方法在纹理细节与光谱保真度难以兼顾的瓶颈。所设计的算法是项目实现高保真、高空间分辨率高光谱图像重构的核心技术支撑。(附件1，5)
- 姓名：万帅
排名：4
行政职务：无
技术职称：教授
工作单位：西北工业大学
完成项目时所在单位：西北工业大学
对本项目主要学术贡献：万帅是代表性论文1的作者，对科学发现点 1 做出了重要贡献，结合深度神经网络强大的非线性映射能力，构建了低分辨率遥感图像与高分辨率遥感图像的复杂非线性映射模型，提出了基于神经网络的高光谱图像超分辨重构算法，基于数据驱动的方式实现高空间分辨率高光谱图像超分辨重构，利用高光谱计算成像算法实现基于微小空间平台的空-谱信息联合探测。(附件1)
- 姓名：冯燕
排名：5
行政职务：无
技术职称：教授
工作单位：西北工业大学
完成项目时所在单位：西北工业大学
对本项目主要学术贡献：冯燕是代表性论文 5 的作者，对科学发现点 3 做出了重要贡献，结合高光谱亚像元解混现实难题，剖析光谱变化对本征光谱的扰动机理研究，构建光谱变化提取模型；针对光谱变异造成的解混精度下降问题，研发光谱变化增广的高光谱图像稀疏解混算法，有效提升亚像元级混合像元分解精度。(附件5)
|
| 主要完成单位： | - 单位名称：西北工业大学
单位贡献：该成果面向高光谱遥感空天战略资源开发的国家重大需求，针对高光谱遥感图像获取与处理面临的空谱信息获取与表征不均衡以及光谱变化对地物分类方法的干扰显著问题，深入开展系统性研究，形成超分辨光谱重构、空谱协同智能处理以及光谱变化增广处理等关键成果，构建了高光谱遥感图像智能获取与处理理论与方法体系。
成果揭示了遥感图像在光谱维和空间维退化成像机理，建立低分辨率遥感图像与高分辨率遥感图像的复杂非线性映射模型，提出基于神经网络的高光谱图像超分辨重构算法，通过计算成像技术实现高空间分辨率高光谱遥感图像的有效获取；发现了高光谱数据在空间维和光谱维的协同互补机理，提出了基于深度学习的空谱联合特征学习与分类算法，显著提升了高光谱图像的地物分类精度；阐明光谱变化对本征光谱的影响机理，构建了高光谱图像中光谱变化提取模型，研发光谱变化增广的高光谱图像处理系列算法，有效提高像元级地物分类与亚像元级混合像元分解精度。
成果选题紧扣国防与民用重大需求，创新性突出，相关研究成果发表遥感领域遥感领域中科院TOP期刊论文50余篇，15篇论文入选ESI高被引论文，5篇代表作Google Scholar总被引用1400余次，WOS总被他引1135次，得到同行广泛引用和高度评价，成果已成功应用于微小卫星探测、红外制导数据处理等国防领域及精细农业遥感等民用场景，为国家空天信息安全与社会经济发展提供重要技术支撑。
|
| 完成人合作关系说明： | 完成人合作关系说明：1
|
