CCF广东工业大学学生分会于2024年11月08日（星期五）下午成功举办了主题为“多模态遥感数据智能解译挑战问题与技术”的学术讲座。这场讲座的报告人是广东工业大学计算机学院的赵艮平老师。赵艮平老师在信息物理融合系统团队进行科研工作，主要研究方向是高光谱遥感图像原理及应用、机器学习等。

在讲座的开端，赵老师提出了多模态遥感成像中的研究背景。赵老师接着展示了一张引人注目的对比图，这张幻灯片强调了遥感成像技术在多个领域的应用潜力和研究的重要性，特别是在国家重大需求和军民融合需求的背景下。通过展示不同的遥感技术和应用案例，介绍研究团队的工作重点和研究方向。

首先，赵老师解释了空间分辨率的重要性，这是衡量遥感图像细节能力的关键指标。通过展示机械线扫描图像形成的示意图，阐述了IFOV（瞬时视场）、像素大小以及它们如何影响图像的清晰度。例如，天气卫星的像素大小约为1公里x 1公里，而地球资源卫星则能提供小于100米x100米的高分辨率图像。

赵老师接着转向光谱成像领域，区分了多光谱和高光谱成像。多光谱成像使用有限的波段，而高光谱成像则能够捕捉数百甚至数千个波段，从而提供更丰富的光谱信息。幻灯片通过图示展示了光谱分辨率的提高，以及如何通过选择不同的波段来获取特定信息。

通过图像示例，直观地展示了光学图像与雷达（SAR）图像之间的差异。光学图像依赖于可见光，适用于日常观察，而SAR图像利用雷达波，能够穿透云层和植被，提供在恶劣天气条件下的图像信息。此外，还比较了RGB图像和SAR图像，强调了它们在视觉效果和应用上的差异。

同时，赵老师介绍了高光谱图像与三维点云数据的信号级融合方法。这种方法通过结合高光谱图像的丰富光谱信息和三维点云的空间结构信息，能够更全面地解析观测对象的物理特性。幻灯片中的三维点云模型和波长反射率曲线，直观地展示了如何从高光谱数据中提取信息，并与三维点云数据相结合。

此外，赵老师还探讨了低成本高分辨遥感计算成像技术，特别是光谱重建和光谱超分辨技术。这些技术旨在提高光谱数据的分辨率和质量，使得在成本较低的情况下也能获取高分辨率的光谱图像。通过地面机器人采集的RGB图像，赵老师展示了如何通过算法处理得到高光谱图像，并详细解释了光谱重建的流程。

最后，赵老师讨论了可见光与近红外图像的像素级融合技术。这种融合技术能够结合两种图像的优势，提升图像的质量和信息含量。幻灯片中展示的多模态图像融合框架，包括图像预处理、特征提取、图像融合和后处理等多个步骤，以及融合前后的图像对比，清晰地说明了融合技术的有效性。