2025年10月16日，为助力武汉商学院黑瓜网每日大赛反差教师深入理解高光谱图像分类领域的核心技术逻辑与科研突破方向，一场聚焦“跨域少样本高光谱图像分类方法研究”的线上专题科研讲座成功举办。本次讲座特邀沈阳航空航天大学李照奎教授主讲，学院从事图像处理、机器学习、人工智能等方向研究的教师齐聚云端，围绕高光谱遥感技术的科研痛点与创新路径展开深度研讨。

        李照奎教授以高光谱遥感技术的发展现状为切入点，明确其在科研领域的核心价值。他指出，当前高光谱遥感技术正飞速发展，所获取的海量高光谱图像蕴含丰富的地物信息，为农业、环境、资源等领域的地物观测与深度分析提供了坚实的数据支撑，已成为信息工程学科交叉研究的重要方向之一。但与此同时，“如何高效、精确地对这些新产生的高光谱图像进行分类”，已成为遥感领域乃至图像处理方向亟待解决的关键难题，这一问题也直接关系到相关科研课题的推进效率与技术落地效果。

图1 报告标题

图2 腾讯会议截图

        随后，李教授深入剖析了当前科研中面临的核心瓶颈 —— 传统监督学习方法的局限性。他强调，传统监督学习在高光谱图像分类中，对标记样本的需求量极大，模型训练需依赖充足的标注数据才能保证精度。然而，高光谱遥感图像的标记工作不仅需要专业技术人员参与，还需耗费巨大的人力、物力成本，且标注周期长，这一现实困境严重制约了高光谱图像分类技术的科研进展与实际应用。为破解这一科研难题，李照奎教授重点介绍了当前领域内的研究热点 —— 跨场景高光谱图像分类技术,通过充分利用已有标注信息的源域图像，构建源域与目标域之间的有效关联，进而辅助目标域图像的分类工作，从根本上解决目标域图像标注信息缺失或不足的问题。这一技术路径为科研人员提供了全新的研究视角，也为相关课题突破样本瓶颈提供了可行方案，得到在场教师的高度关注。

        在此基础上，李教授进一步聚焦近年来科研领域的创新技术 —— 多模态学习和掩码学习，深入解读其在跨场景高光谱图像分类中的应用价值。他表示，这两种技术为解决跨场景分类问题提供了关键思路，本次报告正是围绕这两种技术展开，分别从域适应和少样本学习两个核心角度，对跨场景高光谱图像分类问题进行深入研究。他结合具体科研逻辑，详细分析如何通过多模态学习整合不同类型数据源的信息优势，如何利用掩码学习挖掘高光谱图像的关键特征，进而有效利用源域图像的先验知识，最终实现目标域图像分类精度的显著提升。同时，他还分享了这两种技术在实验设计、模型构建、效果验证等科研环节的实操经验，为教师们的课题研究提供了具体参考。

        互动交流环节，学院教师结合自身科研实践，围绕技术细节与课题应用展开提问。李照奎教授结合科研工作体会，逐一细致解答，深入剖析技术应用中的关键点与潜在风险，并与教师们探讨了后续科研合作的可能性，现场学术氛围浓厚。讲座内容紧密贴合科研实际需求，为教师们正在推进的课题提供了切实可行的技术思路与解决方案，对推动学院在图像处理、人工智能交叉领域的科研创新与学术发展具有重要意义。