4月30日下午，国家级教学名师赵春晖教授以AI助力高光谱遥感图像智能解译为主题，为学院研究生作专题学术报告会，系统阐释了人工智能技术驱动下的高光谱图像解译新范式。报告通过技术发展脉络解析、核心算法推演与工程实践案例相结合的方式，全景展现了高光谱解译技术从理论突破到技术落地的创新路径，为在场师生呈现了一场兼具理论深度与工程价值的学术盛宴。
技术演进：从传统方法到AI驱动的范式变革
讲座从遥感、电磁波谱、成像光谱等基础概念切入，赵春晖教授首先分析了高光谱图像数据的特点，并以高光谱三个技术发展阶段为轴线展开论述：20世纪末高光谱成像技术突破阶段，重点解析光谱分辨率提升带来的数据革命；2010年后处理技术实用化阶段，剖析传统机器学习方法的应用局限；当前深度学习驱动的新发展阶段，阐释三维卷积网络、Transformer等模型在空谱特征联合建模中的突破性进展。基于此，赵春晖教授总结了当前高光谱在预处理、地物分类、目标检测、目标跟踪的主要研究方向，并展示了高光谱在军事、农业、林业、矿产勘探等多方面的应用。
案例纵览：高光谱智能解译创新体系全景呈现
赵春晖教授通过四个典型高光谱解译案例，系统揭示了高光谱解译技术的前沿突破。在多注意力Transformer分类模型中，重点阐释超像素分割引导的主动学习机制如何提升湿地分类精度；在S3DCAE变化检测框架下，利用自编码器结构提取空谱联合特征；针对动态目标跟踪难题，演示高光谱与可见光视频的多源特征融合策略；结合黄河口区域检测实例，说明高光谱目标检测算法在复杂环境中的工程优势。现场展示的实验视频直观呈现了各方法在检测效率与准确率方面的显著提升。
前沿展望：锚定高光谱技术与AI融合航向
讲座最后，面向高光谱与人工智能深度融合的未来图景，赵春晖教授提出三大发展方向：第一是构建真正适合高光谱图像的深度大模型，破解“同物异谱”和“同谱异物”本质难题。第二是将智能模型应用到实际工程，如推动轻量化模型在卫星载荷的嵌入式部署等，解放生产力并且适配任务需要的实时性。第三是建立多源遥感数据联合解译体系。特别强调机载激光雷达、高光谱仪与红外传感器的协同观测网络，将成为突破工程瓶颈的关键技术路径。
本次讲座深度融合理论前沿与工程实践，通过技术演进脉络梳理与创新案例解析，激发了学子探索智能高光谱遥感技术的科研热情。参会研究生表示，通过赵老师的讲解，切身感受到高光谱解译技术赋能资源勘探、生态监测等国家重大需求的实践价值，不仅深化了对空谱特征融合机理的理解，更激发了运用AI技术攻克科研难题的使命感。未来，学院将继续开展面向本、硕、博学生的学术科普讲座，持续全面推进人工智能技术与教育教学的深度融合创新。
主讲人简介：
赵春晖，工学博士，二级教授，博士研究生导师，国家级教学名师，全国优秀教师，国家高层次领军人才，国务院政府特殊津贴专家。“微波技术课程”国家级教学团队负责人，国家一流课程负责人，国家级虚拟教研室负责人。教育部电工电子基础课程教学指导委员会委员，中国高校电工电子在线开放课程联盟理事，中国通信学会会士，中国图象图形学会理事，黑龙江生物医学工程学会理事。 《电子测量与仪器学报》，编委、《哈尔滨工程大学学报》，副主任编委。获国家级教学成果二等奖1项，省级教学成果奖一等奖4项、二等奖3项。发表论文600余篇，出版著作和教材23部，获发明专利60多项。获省部级科技奖一等奖2项、二等奖8项。