近日，我校王艳军教授课题组在遥感影像数据处理研究方面取得新进展，相关研究成果已在国际知名期刊《International Journal of Applied Earth Observation and Geoinformation》（IF=7.672，SCI一区Top期刊）上发表。湖南科技大学为论文唯一署名单位，论文第一作者为地球科学与空间信息工程学院硕士研究生李少春，通讯作者为地理空间信息技术国家地方联合工程实验室副主任王艳军教授，其他作者包括地球科学与空间信息工程学院硕士研究生蔡恒藩、林云浩、王孟杰和滕菲。本工作得到了国家自然科学基金（41971423和31972951）的资助。

在测绘、遥感、地质和地理等地球科学领域，遥感对地观测技术是地球科学信息建模分析的主要途径，通过遥感影像数据分析可揭示复杂多样化的地学事物与规律，在地理空间环境中的土地资源规划与利用、城市经济建设、防灾减灾以及可持续发展等方面具有重要意义。然而，遥感影像具有多源多时相多分辨率等异质异构特点，导致其数据处理和变化信息提取存在困难。因此，方便高效、自动精准地进行遥感影像数据处理与地物变化检测仍具挑战。

▲不同特征融合方法的建筑物检测研究结果：(1) WXCD dataset; (2) GZCD dataset; (3) BCDD dataset; (a) and (e) Bicubic; (b) and (f) CycleGAN; (c) and (g) MF-SRCDNet; (d) Without SR.

面向实际应用中的不同分辨率多时相遥感影像数据处理，设计和提出多特征融合的高分辨率遥感影像深度学习分类与信息提取模型方法，在遥感信息科学与工程应用中具有重要价值。为进一步拓展在该领域的工作，我校王艳军教授课题组在前期工作基础上（Journal of Geodesy and Geoinformation Science, 2021, 4, 49-59；Remote Sensing, 2022, 14, 265；Sensors, 2021; 21, 7397），提出了一种多特征融合的超分辨率建筑物变化检测框架（MF-SRCDNet），包含超分辨率模块、多特征融合模块和变化检测模块三个部分。超分辨率模块将低分辨率影像重建为语义信息更丰富的超分辨率影像；设计了视觉特征Harris-LSD，并将其与深度神经网络相融合；改进了STANet-PAM网络的特征提取器，使用ResNet152增强网络的特征提取能力。该模型方法在三个具有挑战性的数据集实验论证了有效性和可行性。

该论文为：Shaochun Li, Yanjun Wang*, Hengfan Cai, Yunhao Lin, Mengjie Wang and Fei Teng. MF-SRCDNet: Multi-Feature Fusion Super-Resolution Building Change Detection Framework for Multisensors High-Resolution Remote Sensing Imagery [J]. Int. J. Appl. Earth Obs. Geoinf., 2023, 119, 103303.

论文链接：https://www.sciencedirect.com/science/article/pii/S1569843223001255

（一审：李海屿   二审：王 虎   三审：李洪华）