近日，交通学院测绘工程系岳俊博士与湖南大学、英国兰卡斯特大学、德国德累斯顿-罗森多夫赫尔姆霍兹中心(HZDR)研究人员合作的研究成果“Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification”，提出了基于三维自监督的高光谱遥感影像分类方法，有效减少了高光谱遥感影像解译所需的样本数量，该论文发表于国际顶级遥感学术期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS)，在学术界引起广泛关注。岳俊为该论文第一作者，新利luck在线·（中国）有限公司官网为第一署名单位。

高光谱遥感影像中存在大量的未标记样本，如何充分发挥未标记样本的作用是提高高光谱遥感影像分类精度的关键因素之一。针对这一问题，该论文提出了一种自监督学习方法来充分利用大量的未标记样本对深度神经网络进行训练。该方法包括两个模块：自适应知识蒸馏模块和高光谱遥感影像三维自监督变换模块。自适应知识蒸馏模块利用自监督信息训练网络，其中自监督信息是通过空间谱相似性度量生成的自适应软标签。该模块基于未标记样本和 标记样本之间的空间谱联合距离生成高光谱遥感影像中未标记样本和地物类别之间的相似度。同时，该方法将自监督方法从二维变换扩展到三维变换，充分利用高光谱遥感影像具有三个维度的特点。通过该文提出的高光谱遥感影像三维自监督变换模块，可以对高光谱遥感影像进行二维旋转变换和基于光谱轴的翻转变换，在三维层面进行自监督学习，充分利用每一个标记样本的监督信息。该研究得到国家重点研发计划项目、国家自然科学基金项目和湖南省教育厅优秀青年项目的共同资助，该研究成果能有效减少训练高光谱遥感分类模型所需的样本数量，减少遥感应用工程中所需的人力物力和时间投入，对遥感技术服务国家重大战略和需求的能力产生积极影响。

IEEE TGRS为电气与电子工程师协会(Institute of Electrical and Electronics Engineers, IEEE)遥感学会(Geoscience and Remote Sensing Society, GRSS)会刊，已有55年的历史，是遥感与地球科学领域最顶尖级的国际期刊之一。该刊物内容涵盖遥感科学、信息科学、空间科学等多个学科，集中反映了当代遥感与地球科学的最新进展。该刊为中科院SCI一区TOP期刊，新利luck在线·（中国）有限公司官网认定的学科领域TOP5期刊，2020年影响因子为5.855。

论文链接：https://ieeexplore.ieee.org/document/9360315

Jun Yue, Leyuan Fang, Hossein Rahmani and Pedram Ghamisi, "Self-Supervised Learning With Adaptive Distillation for Hyperspectral Image Classification," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2021.3057768。（文/李金莲  审/孔伟红）