IEEE Transactions on Geoscience and Remote Sensing（TGRS）是遥感与地球科学领域国际顶级期刊，重点收录应用于陆地、海洋、大气和空间传感科学与工程理论、概念和技术，以及信息的处理、解释和传播等创新研究成果。

　　课题组一篇关于多源遥感图像联合分类的研究工作被遥感领域顶级期刊 IEEE TGRS 录用并发表。该文一作为2020级硕士生王猛。

　　论文题目：Nearest Neighbor-Based Contrastive Learning for Hyperspectral and LiDAR Data Classification

　　作者：Meng Wang; Feng Gao; Junyu Dong; Heng-Chao Li; Qian Du

　　高光谱图像和LiDAR数据的联合分类旨在更精确的实现地物解译。尽管深度学习方法在多源数据分类任务中取得了非常好的性能，但自监督学习却很少被应用在多源遥感数据分析任务中。由于现有的对比学习框架没有利用邻近区域的语义相似性，因此为多源数据分类建立一个强大的自监督学习模型通常是不容易的。此外，多源数据的不一致分布引起的异质性也影响了分类性能。为了克服上述两个不足，本文提出了一个基于最近邻的对比学习网络（NNCNet），它充分利用了大量的未标记数据来学习地物的特征表征。具体来说，我们提出了一个基于最近邻的数据增强方案，利用附近区域之间的相似性增强语义关系。此外，我们设计了一个双线性注意力模块，以利用多模态数据之间的二阶甚至高阶特征的相互作用。在四个公共数据集上进行的广泛实验表明，本文提出的 NNCNet 能够取得非常好的分类性能。

　　论文链接：https://ieeexplore.ieee.org/document/10015054