近日，计算机信息工程学院“AI创新应用”科研团队陈勇博士课题组在高光谱图像智能信息处理领域取得多项重要进展，四项研究成果于今年4月和5月相继被计算机视觉领域一区TOP期刊IEEE Transactions on Circuits and Systems for Video Technology (IEEE TCSVT)、遥感领域一区TOP期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS，两篇)和光学领域二区TOP期刊Optics and Laser Technology（OLT）接收发表。

成果1：接收发表在IEEE TCSVT的成果“Low-Rank Tensor Meets Deep Prior: Coupling Model-Driven and Data-Driven Methods for Hyperspectral Image Reconstruction”，陈勇博士为第一作者，硕士生袁飞望为第二作者，曾锦山教授和武汉大学贺威教授为共同通讯作者，江西师范大学为第一署名单位。论文聚焦于高光谱图像重建中低秩张量和深度网络耦合难问题，创新性地提出了一种耦合模型驱动的低秩张量与数据驱动的自监督深度网络的高光谱图像重建框架。该方法采用低秩Tucker分解挖掘高光谱图像的全局空间-光谱相关性，并引入空谱自监督引导网络自适应学习高光谱图像的隐式空谱先验。本文方法在多个成像系统和数据集上验证了所提方法在高光谱图像重建任务上的有效性和泛化性，同时为低秩张量与深度网络的结合提供了一种新的框架。

耦合模型驱动的低秩张量与数据驱动的自监督深度网络框架

成果2：接收发表在IEEE TGRS的成果“Feature Fusion-Guided Network With Sparse Prior Constraints for Unsupervised Hyperspectral Image Quality Improvement”，硕士生袁飞望为第一作者，陈勇博士为通讯作者，江西师范大学为第一署名单位。论文聚焦于高光谱图像质量改善中的泛化性和训练数据集缺乏问题，创新性地提出了一种无监督特征融合引导网络框架。该网络无需依赖外部训练数据集，以无监督方式优化网络参数，从而自适应地学习高光谱图像的潜在先验信息。本文方法在两个代表性的高光谱图像质量改善任务上，验证了提出的方法可适用于不同的任务和数据集并显著提升了高光谱图像质量。

成果3：接收发表在IEEE TGRS的成果“Fusing Global Structural and Local Deep Features for Thick Cloud Removal in Multitemporal Remote Sensing Images”，硕士生徐叶琦为第一作者，陈勇博士为通讯作者，江西师范大学为第一署名单位。论文聚焦于多时相遥感图像云去除中图像和云成分全局结构特征和局部细节特征融合难问题，创新性地提出了一种联合驱动的云去除框架。该方法设计物理先验驱动的低秩稀疏分解模型捕获全局结构特征，并结合数据驱动的自监督网络自适应学习局部深度特征。本文方法在大量且不同类型的遥感数据场景上验证了所提方法在云去除方面的有效性和泛化性。

成果4：接收发表在OLT的成果“A Dual Approach to Low-Rank Regularization: Integrating Model-Driven and Data-Driven Methods for Snapshot Compressive Imaging”，硕士生罗俊和桂鑫锋为共同第一作者，陈勇博士为通讯作者，江西师范大学为第一署名单位。论文聚焦于高光谱图像快照压缩成像中难以同时兼顾低秩先验的显式建模能力与数据驱动方法的表达灵活性问题，创新性地提出了一种新颖的融合模型与数据驱动策略的低秩先验双重建模方法。该方法设计模型驱动的群组全变分正则项显式刻画高光谱图像的低秩结构，同时构建了一个自监督深度低秩分解网络自适应学习高光谱图像的低秩结构。本文方法在不同快照压缩成像系统和数据集上验证了所提方法在高光谱快照压缩成像任务上的有效性和灵活性。

陈勇博士系我校计算机信息工程学院于2021年3月引进的博士。进校四年多以来，陈勇博士以第一作者或通讯作者发表SCI论文15篇，其中中科院一区Top期刊11篇，二区3篇，IEEE Trans.系列论文10篇，ESI高被引论文2篇，Google Scholar总被引用1640余次。主持国家自然科学基金面上项目（以讲师职称身份申报立项）和青年基金等5项，江西省杰出青年基金获得者，入选首批赣鄱俊才支持计划·青年科技人才托举项目（全省15项），授权国家发明专利6项。