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。

　　课题组一篇关于高光谱图像解混的研究工作被遥感领域顶级期刊 IEEE TGRS 录用并发表。该文由亓林老师和2021级硕士陈振伟合作完成。

　　论文题目：Multiview Spatial-Spectral Two-Stream Network for Hyperspectral Image Unmixing

　　作者：Lin Qi; Zhenwei Chen; Feng Gao; Junyu Dong; Xinbo Gao; Qian Du

　　近年来，基于深度学习的方法在高光谱解混中获得了广泛关注，尤其是无监督的自动编码器（AE）网络在高光谱解混任务中取得了优异的性能。为了在解混中充分利用光谱信息以及空间信息，本文在基于AE的解混框架中探索了多视角光谱和空间信息。我们通过光谱划分引入了多视角光谱信息，并提出了一个多视角空间-光谱双流网络（MSSS-Net）。MSSS-Net是一个共享解码器的双流深度解混网络，它的两个AE网络采用递归神经网络协作利用多视角光谱和空间信息。空间流网络分支提取像素及其邻域的空间特征，而多视角光谱流网络分支则利用像素的多视角光谱信息。同时，我们为多视角空间-光谱信息设计了一个级联的双向和单向的RNNs编码器结构，以学习区分能力更强的 patch-pixel 特征。大量实验表明，MSSS-Net在多个数据集上取得了优异的性能。

　　论文链接：https://ieeexplore.ieee.org/document/10018370