近日，我院苏远超副教授联合中国科学院空天信息创新研究院、澳门大学、西班牙埃斯特雷马杜拉大学、英国帝国理工学院、西班牙巴斯克大学、天津大学等科研机构与高校，在遥感领域国际顶级期刊《IEEE Geoscience and Remote Sensing Magazine》发表高水平研究性学术成果。该期刊在2026年9月的最新影响因子为13.7，连续5年影响因子为18.698，CiteScore为27，是遥感领域公认的顶级期刊，年发表量不足百篇。

图 1 论文摘要截图

该项研究面向遥感大场景光谱融合中的高计算负担与光谱失真难题，提出跨域多模态互惠学习（CMRL）框架。该研究通过引入频域信息交互增强机制，联合利用频域、空间域和光谱域信息，有效提升了跨传感器的光谱图像融合质量。CMRL框架具有良好的兼顾性，既可作为低功耗模型独立运行，也可适配Transformer和Mamba架构，形成面向不同应用需求的互惠学习光谱融合方案。同时，该研究提出的位置编码策略，能更好的保留地物像素间的空间关联。此外，该项研究发布了Ridge Hill测试数据集，为边缘不规则的大范围场景光谱图像融合评测提供了新的数据支撑。

图 2. 使用CMRL框架执行多模态光谱图像融合的流程图

图 3 使用CMRL对不规则边缘数据执行光谱图像融合的结果展示

论文原文链接：https://ieeexplore.ieee.org/document/11711118