信息学院三维重建与智能应用技术湖南省工程研究中心的赵林、吴健辉、陈思源等老师指导的研究生罗文强同学在中科院二区期刊《IEEE Geoscience and Remote Sensing Letters》发表的研究论文“Hyperspectral Image Classification With Contrastive Self-Supervised Learning Under Limited Labeled Samples”，获得该领域同行专家的广泛关注，成功入选该领域基本科学指标数据库（Essential Science Indicators，简称ESI）全球Top1%高被引论文。该论文针对高光谱遥感图像的小样本地物分类问题，采用了基于对比学习的预训练新范式，针对面向RGB三通道的图像增强方法直接扩展至高光谱图像（包含近连续上百个光谱波段）而导致的对比学习性能欠佳的问题，首次提出有效的面向高光谱图像的增强方法，在基于对比学习预训练的小样本分类任务上相较于同类方法取得了明显的优势。所提增强方法示意图如图1所示。

图1. 四种高光谱图像增强方法示意图

 (a) 剪裁和调整大小

（b）水平翻转 （c）色彩抖动 （d）高斯模糊

在上述研究工作的基础上，研究生李佳、罗文强继续深入探索，揭示了高光谱图像对比学习范式中存在的假负噪声样本对问题。如图2所示，在基于滑窗的高光谱图像正、负样本对构建过程中，正样本对有可能被错误划分为负样本对，从而产生假负噪声样本对。针对这一问题，提出了一种新的基于超像素图的纯化损失函数以及新型的全局-局部互补网络架构，如图3所示。相关研究成果“Purified Contrastive Learning with Global and Local Representation for Hyperspectral Image Classification”发表于中科院一区期刊《IEEE Transactions on Geoscience and Remote Sensing》。目前该工作的代码已经开源，为该领域的研究提供了好的参考与新的思路。

图2. 假负样本配对现象示意图

图3. 纯化对比学习架构示意图

据悉，ESI是衡量科学研究绩效、跟踪科学发展趋势的基本分析评价工具。ESI高被引论文是指近10年内发表且被引次数排在相应学科领域全球前1%的论文。高被引论文科学地反映了论文作者及其研究成果的国际影响力，是全球公认的衡量学术影响力的重要指标之一。

附：全文链接https://doi.org/10.1109/LGRS.2022.3159549

（撰稿/朱甜甜，初审/蒋军强，复审/付亚子，终审/童耀南）