多源遥感信息智能处理学术论坛

       本次论坛由江苏省人工智能学会智能遥感专委会主办，南京信息工程大学计算机学院承办，旨在共同分析探讨多源遥感融合、遥感技术应用等相关领域的最新成果，特邀请到遥感领域知名学者中山大学李军教授、武汉大学钟燕飞教授和北京理工大学李伟教授做特邀报告，智能遥感专委会委员东南大学顾克江教授、苏州大学康健副教授和南京信息工程大学杭仁龙副研究员做主题报告，并邀请智能遥感专委会副主任、南京理工大学肖亮教授，智能遥感专委会秘书长、南京信息工程大学杭仁龙副研究员担任主持人。希望通过此次学术论坛，能够为相关领域科研人员提供学习和交流的平台。

本次论坛举办时间为2021年8月30日，采取线上的方式进行。

直播地址：腾讯会议ID：388 530 412

论坛日程

专家及报告简介

李军 教授

报告题目：

遥感图像时空融合方法研究

报告摘要：

随着对地观测卫星技术的飞速发展，我们能获取的多类型遥感图像数据日益增多。卫星遥感传感器的发展在朝着高空间、高时间、高光谱分辨率的方向发展。然而目前来说，空间、时间和光谱三种分辨率之间的相互制约在硬件技术上还没有被解决，即没有单一卫星遥感传感器可以提供时序密集且空间分辨率较高的数据。多源遥感数据时空融合是获取高时间、高空间、高光谱分辨率遥感数据的重要研究方向。本报告将介绍我们在多源遥感数据时空融合方面的最新研究进展。

专家简介：

李军，教授，博士生导师，IEEE Fellow，主要研究方向为高光谱遥感图像处理分析和应用，在地球科学与遥感领域期刊和会议上发表论文100多篇，google 学术引用 9000 多次，SCI 被引 4000 多次，主要成果发表在 Proceedings of the IEEE、Remote Sensing of Environment、IEEE Transactions on Geoscience and Remote Sensing等刊物上。现任遥感领域重要期刊IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing主编。

钟燕飞 教授

报告题目：

高光谱高空间分辨率（双高）遥感：从WHU-Hi标准数据集到农作物精细分类

报告摘要：

高光谱遥感数据具有图谱合一的优点，已成为人们获取地物精细信息的重要来源。已有的高光谱遥感数据大多具有高光谱分辨率和中低空间分辨率，而随着无人机高光谱光谱仪、地面高光谱成像光谱仪等技术的发展，使得高光谱高空间分辨率（双高）遥感的获取成为可能。

本报告建立了高光谱高空间分辨率（双高）遥感从观测、处理到应用的体系框架，并从农作物精细分类这一重大需求出发，构建了国际上首个高光谱高空间分辨率（双高）遥感标准数据集WHU-Hi，数据集具有纳米级光谱分辨率、厘米级空间分辨率；研究了双高遥感农作物精细分类深度学习方法，提出了快速端到端全卷积高光谱深度学习分类（FPGA）方法，将全连接卷积网络分类模式提高到端到端全卷积分类模式，推理计算速度提升百倍以上；开展了15种以上农作物精细分类应用研究，还可将双高遥感应用于目标探测、资源环境监测等领域。

专家简介：

钟燕飞，武汉大学测绘遥感信息工程国家重点实验室教授，湖北省自然资源遥感监测工程技术研究中心主任，IET Fellow。主要从事高光谱、高空间分辨率遥感信息智能处理与应用方向的研究。主持国家重点研发计划课题、国家自然科学基金优青/面上等项目。研究成果发表在RSE、ISPRS P&RS、IEEE TGRS/TIP/TCYB、JGR等期刊和CVPR、ICCV等会议上，获测绘科技进步一等奖、美国摄影测量与遥感协会约翰戴维森主席一等奖、SPIE理论创新奖、IEEE GRSS高光谱视频竞赛冠军等；担任IEEE J-STARS和IJRS等期刊副主编。

李伟 教授

报告题目：

高光谱多源遥感图像协同分类研究

报告摘要：

以高光谱图像为代表的高体量数据能够对观测对象实现空间、光谱等多方面信息的同步获取，在医学诊断、资源调查、军事侦察等领域都极具发展潜力。然而，高光谱数据呈现出强谱间、弱空间的分辨率特性，利用单源高光谱数据信息，限制了其应用发展。为了解决这一问题，需要协同更多信息源并综合利用各类数据的合作性及互补性，在信息智能融合基础之上完成观测目标的精确分类。报告人针对高光谱多源遥感图像协同分类这一国际学术界的热点和难点问题，以多尺度图像匹配融合、多通道图像特征联合、多模式协同分类建模为主线开展本次汇报。

专家简介：

李伟，北京理工大学信息与电子学院教授，博士生导师，国家优秀青年科学基金、北京市杰出青年基金获得者，入选北京市科技新星计划。主要从事高光谱图像处理、目标检测与识别等方法研究，以第一/通讯作者在IEEE TGRS、IEEE TIP、IEEE TCYB等期刊发表论文80余篇，谷歌学术引用7500余次，入选爱思唯尔2020年中国高被引学者。担任期刊IEEE Transactions on Geoscience and Remote Sensing和IEEE Signal Processing Letters编委。获IEEE TGRS、IEEE JSTARS最佳审稿人奖，和IEEE Whispers 2019、IEEE ICSIDP 2019杰出论文奖。

顾克江 教授

报告题目：

基于卫星遥感技术的油气地质勘探

报告摘要：

卫星遥感技术在油气勘探中的应用日趋广泛，尤其在含油气盆地构造研究和烃类微渗漏检测方面取得了显著进展。根据目前国内外的研究资料，结合中国南方的遥感实例，介绍了盆地的遥感构造特征，遥感解译的方法、步骤和实际效果。阐述了遥感技术在油气藏烃类微渗漏勘探中的检测原理、方法和应用。现状表明，高光谱遥感与智能计算将在油气勘探中发挥重要作用。

专家简介：

顾克江，东南大学能源与环境学院教授。全国石油天然气标准化技术委员会委员，江苏省首席科技传播专家，长三角助力创新联盟专家。IEEE高级会员，ACM高级会员。长期从事智能感知与先进检测技术、油气集输管道仿真与模拟技术等研究工作。

康健 副教授

报告题目：

少量观测样本下的多基线干涉SAR参数反演方法

报告摘要：

一定数量的干涉图（20张以上）是基于多基线干涉SAR图像的地理信息参数（如楼房高度及形变量）估计精度的重要保证，然而，在全球尺度下，很多地区的多基线干涉图数量不能满足这一要求，从而导致现有的方法对于相关地理信息参数的估计精度不高，这成为了多基线干涉SAR技术在大尺度区域范围内应用的瓶颈问题。针对这一问题，报告人分别从物体级别的多基线干涉SAR模型及时序干涉SAR图像的三维低秩特性出发，介绍少量观测样本下的多基线干涉SAR参数反演方法，并给出提出方法在实际数据中的应用效果，最后围绕多基线干涉SAR的发展方向展开讨论。

专家简介：

康健，男，2015及2019年分别毕业于哈尔滨工业大学及慕尼黑工业大学，并取得硕士及博士学位，目前担任苏州大学电子信息学院副教授，硕士生导师。长期从事智能遥感图像处理方向，围绕合成孔径雷达干涉图像的地理信息参数智能提取，物体级的建筑物分类及基于深度学习的遥感图像智能解译等方向开展了多项研究工作。研究成果获得2018年欧洲SAR会议最佳学生论文，2020年国际地球科学与遥感大会最佳学生论文提名，以第一及通讯作者身份在领域内顶级期刊发表文章10余篇。

杭仁龙 副研究员

报告题目：

面向高光谱图像分类的深度神经网络

报告摘要：

高光谱图像具有丰富的光谱和空间信息，可实现复杂地表覆盖的精细分类，在地质、农业、军事等领域都有着非常广泛的应用。然而，高光谱图像的精准分类仍然面临诸多挑战，例如光谱信息冗余、异物同谱和同物异谱、高维小样本等。围绕上述问题，报告人将介绍课题组近年来开展的部分工作，包括设计符合高光谱特性的循环神经网络、引入谱-空注意力机制的卷积神经网络和多任务生成对抗网络。

专家简介：

杭仁龙，南京信息工程大学副研究员，硕士生导师。主要从事模式识别、遥感图像分析、气象大数据智能解译等方向的研究。在IEEE-TGRS，IEEE-TIP等期刊发表论文30余篇，谷歌学术引用1200余次，多篇论文入选ESI高被引论文。曾获江苏省优秀博士学位论文奖、中国模式识别与计算机视觉大会最佳学生论文奖、中国计算机视觉大会最佳学生论文提名奖、IEEE-JSTARS最佳审稿人奖。担任IEEE-JSTARS期刊Topical Associate Editor。

计算机学院、软件学院、网络空间安全学院

2021年8月25日