近日，计算机科学与技术学院2023级电子信息专业研究生陈峰以第二作者（导师一作）在期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（中科院二区Top，影响因子: 4.7）上发表研究论文，论文题目为《Efficient Spectral-Spatial Fusion with Multi-Scale and Adaptive Attention 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：在高光谱图像（HSI）分类中，为了降低计算成本，提高土地覆盖分类精度，提出了一种基于多尺度特征融合模块（MSFFM）、高效自适应光谱空间特征提取模块（EASSFEM）和上下文感知融合网络（CFN）的高效光谱空间融合方法（ESSF）。首先，MSFFM利用卷积神经网络（CNNs）对不同尺度的特征进行提取和融合，全面捕获HSI的丰富光谱信息。其次，动态调整特征提取过程，优化光谱-空间特征的融合与表示；此外，进一步整合自适应注意力机制，以增强对相关光谱-空间特征的关注。最后，CFN增强了模型理解图像内上下文关系的能力，从而提高了分类精度。在四个公共数据集（Houston2013、Botswana、WHU-Hi-HanChuan和WHU-Hi-HongHu）上进行的实验表明，所提出的ESSF方法在分类精度方面显著优于其他九种较为先进的方法，且消耗更短的执行时间。这项工作的代码可在https://github.com/wanxiaoqing/ESSF上获得。