【课题推荐发表期刊】

【课题背景】

随着空天信息技术的发展，无人机与卫星遥感已成为国土资源监测、灾害评估、环境治理及军事侦察的核心手段。然而，遥感影像数据量庞大（单景影像可达TB级）、目标尺度多样（如建筑物、农作物、灾害痕迹等）、环境干扰复杂（云雾遮挡、光照变化、季节差异），传统解译方法依赖人工判读，效率低且易受主观因素影响。同时，遥感数据的实时传输受限（带宽与存储成本高）、小目标检测精度不足（如车辆、船只）、动态场景变化捕捉滞后（如灾后损毁评估）等问题，制约了空天信息在应急响应与精准决策中的应用价值。

本课题将聚焦于无人机/卫星遥感影像的智能解译，通过研究图像压缩、目标检测、显著性检测、变化检测等感知任务，提升遥感影像的处理效率和精度，推动空天信息技术在更多领域的高效应用。

【课题方向参考】

无人机/卫星遥感影像智能解译，具体包括：图像压缩、目标检测、显著性检测、变化检测等感知感知任务。

【适合人群】

学历不限，具有python编程能力，可以独立运用各种深度学习框架。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Dr. Han，985高校计算机博士

• 发表论文共31篇，包含SCI检索论文11篇，SCI一区及TOP论文9篇，单篇引用170次，包括IEEE TPAMI、IEEE TITS、IEEE TGRS等高水平期刊

• 专利成果5项

• 担任国际权威期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（SCI一区），IEEE Transactions on Intelligent Transportation Systems（SCI一区），IEEE Transactions on Geoscience and Remote Sensing （SCI一区）和Neural Networks（SCI一区）等十余种期刊审稿人；担任AIPR，AIVR，ICNLP，ICISPC（2021-2024）等国际会议程序或技术委员会委员

• 辅导过多个硕士博士毕业，发表IEEE TITS等一区期刊论文

• 可提供课题基金申报指导、保研指导、申博指导；可提供部分开放研究数据；期刊内推资源；就业/实习机会推荐

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

• 2025 TSNET: A solid waste instance segmentation model in China based on a Two-Step detection strategy and satellite remote sensing images

• 2023 Urban feature shadow extraction based on high-resolution satellite remote sensing images