近日，我院黄可坤教授以第一作者在人工智能方面的国际顶级刊物《IEEE Transactions on Cybernetics》（中科院一区，影响因子：19.118）正式发表了一篇论文“Hyperspectral image classification via discriminant Gabor ensemble filter”。针对高光谱遥感图像分类，在卷积神经网络的基础上，论文提出了一种新的Gabor集成滤波器（GEF），使得在能提取图像深层次特征的同时减少需要学习的参数的数量。GEF通过固定的Gabor滤波器和可学习的滤波器同时对每个输入通道进行滤波，然后通过一些可学习的1×1 滤波器进行降维，生成输出通道。固定的Gabor滤波器可以提取具有不同比例和方向的共同特征，而可学习的过滤器可以学习一些Gabor过滤器无法提取的一些互补特征。基于GEF，论文设计了适用于高光谱图像分类的网络，该网络能够从有限的训练样本中提取深层特征。实验结果表明，与其他最新方法相比，该方法对高光谱遥感图像具有更高的分类准确度。

    又讯，黄可坤教授和华南农业大学杨洲团队联合指导的一位硕士生近日在遥感图像处理方面的国际著名期刊《Remote sensing》（中科院二区，影响因子5.349）发表了一篇基于深度神经网络的针对梅州市柚子树种植数量检测的论文“Pomelo Tree Detection Method Based on Attention Mechanism and Cross-Layer Feature Fusion”。

所发表的论文信息：

   1. Ke-Kun Huang et al. Hyperspectral image classification via discriminant Gabor ensemble filter. IEEE Transactions on Cybernetics, vol. 52, no.8, pp. 8352-8365, 2022. （中科院一区，影响因子：19.118）

     2. Yuan, H. T., Huang, K. K., Ren, C. X., Xiong, Y. Z., Duan, J. L., Yang, Z.*. Pomelo Tree Detection Method Based on Attention Mechanism and Cross-Layer Feature Fusion. Remote Sensing, 2022, 14(16), 3902. （中科院二区，影响因子：5.349）