国家自然科学基金重点项目成果展示：
数据驱动的高光谱遥感影像特征表达、迁移学习及其在城市地理信息提取中的应用

•  高光谱遥感数据一体化表达：
      在高光谱遥感数据一体化表达这一研究内容中，我们具体在高光谱遥感图像多特征提取与描述、高阶数据的特征提取与低秩重构和高阶特征的判别分析与分类三个方向进行了相关的研究，将光谱-空间特征以多模态、多维度的方式表达为统一的数学模型，形成了高光谱遥感影像的光谱-空间一体化特征表达的理论方法，克服了地物特征表达能力不强的难题，有效提升了高光谱遥感数据的一体化表达能力。该研究方向共发表13篇SCI论文、4篇EI论文。

•  高光谱遥感数据迁移学习：
      在高光谱遥感数据迁移学习这一研究内容中，我们具体在训练样本集的优化、特征子空间的迁移和预测模型的迁移三个方向进行了相关的研究，形成了数据-特征-模型多层次迁移学习方法，克服了先验光谱难以与实际地学知识关联的难题，实现数据-特征-模型-信息的有效传递，形成对光谱变化现象的容错和自纠正机制，将信息处理能力扩展到不同类数据集，有效提升高光谱遥感技术的通用性和性能。该研究方向共发表10篇SCI论文，2篇EI论文。

•  数据驱动的高光谱遥感影像解译：
      在数据驱动的高光谱遥感影像解译这一研究内容中，我们具体在基于统计特征的光谱解混、主动学习的地物分类器、目标度量学习的探测方法和慢特征信号学习的变化检测四个方向进行了相关的研究。形成了数据-特征-信息的自动映射与反馈方法，克服了数据、特征和信息之间无法进行反馈，导致其泛化能力不强、应用范围小的难题，提高了一体化特征描述数据的能力和增强信息提取的能力，实现了高光谱遥感数据中不同类型的地物信息的高效提取。该研究方向共发表22篇SCI论文，2篇EI论文。

•  城市地理信息提取的典型应用：
      在城市地理信息提取的典型应用这一研究内容中，我们具体对城市不透水层提取、城市地物精细分类、城市地区目标识别和城市变化检测四个方面进行了相关的研究，形成了基于时序-空间-光谱多层次特征的城市地理地物信息应用提取方法，克服了多时相数据之间的时间信息无法充分利用，多类地物分类时鲜艳样本不足等问题，实现了对多时相影像特征的利用和地物特征信息判别能力的提升，形成了场景-目标-像素多尺度的城市地理信息提取体系，有效提升了提取结果的精度和可识别性。本研究方向共发表SCI论文16篇，EI论文3篇。

代表性成果