近日，计算机科学与技术学院2025级电子信息专业2班研究生唐惠录以第二作者（导师一作）在期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（中科院SCI二区，JCR一区，影响因子：6.3）上发表研究论文，论文题目为《DFDSCF: A Dual-Frequency and Dynamic Sparse Cross-Path Fusion Network for Hyperspectral Image Classification》。

该论文是在我校万晓青教师的指导下完成，衡阳师范学院为第一署名单位。论文核心理论是：高光谱图像（HSI）分类是一项具有挑战性的任务，这是由于其复杂的空间-光谱特性和数据的高维性所致。现有模型在同时捕捉精细的结构细节和判别性光谱模式方面仍然面临挑战，也难以实现空间模态和光谱模态之间足够深入的交互，从而限制了它们在复杂场景中的有效性。为了应对这些挑战，本文提出了一种新型的双频动态稀疏跨路径融合网络DFDSCF，该网络由三个关键组件构成：1）双频多方向增强（DFMD）模块，该模块利用双频变换和方向感知卷积来捕捉结构细节，从而减轻空间细节的损失； 2) 动态实例级稀疏通道自注意力 (DIS-CSA) 模块，采用多尺度复杂性门控机制进行实例自适应稀疏通道选择，滤除冗余波段并提取判别性光谱特征；以及 3) 跨路径自适应融合 (CPAF) 模块，利用跨路径自适应融合策略实现空间特征和光谱特征的深度交互与融合。在四个基准高光谱图像 (HSI) 数据集上的综合实验表明，DFDSCF 取得了具有竞争力的分类性能，在 Pavia University、Indian Pines、WHU-Hi-HanChuan 和 WHU Hi-HongHu 数据集上分别达到了 99.92%、99.21%、99.90% 和 99.90% 的总体准确率。这些结果验证了所提出的 HSI 分类方法的有效性和鲁棒性。