近日，计算机科学与技术学院2025级电子信息专业2班研究生雷鑫锟以第二作者（导师一作）在期刊《Journal of King Saud University-Computer and Information Sciences》（中科院SCI二区，JCR一区，影响因子：6.31）上发表研究论文，论文题目为《SD-DSSAN: Synergistic Denoising and Dual-Path Sparse Shuffling Attention 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）分类是一项极具挑战性的任务，数据固有的噪声干扰与信息冗余限制了有效特征的获取，现存方法在抑噪、降冗余的同时难以兼顾各向异性几何结构建模与长距离上下文依赖捕捉。为了解决上述问题，本文提出了一种协同去噪与双路径稀疏混洗注意力网络，称为SD-DSSAN。具体而言，首先设计了HCAD模块，结合多感受野卷积与加性注意力机制有效抑制噪声干扰，提供更可靠的空–谱表征；接着，MBDC模块利用多路径方向卷积核解耦捕获多样化的各向异性几何结构，显著减少信息冗余；最后，DSSA模块将稀疏采样与通道混洗相结合，促进跨尺度信息交互并捕捉长距离空–谱依赖关系，提取高度判别性的特征用于精准分类。在四个公开的高光谱图像基准数据集上的实验结果表明：SD-DSSAN在计算复杂度良好受控的情况下，实现了优异且具有高度稳定性的分类性能。

图1：SD-DSSAN的网络架构