（通讯员 卢凌燕）近日，《信息融合》（Information Fusion）在线发表了计算机科学与工程学院人工智能学院的跨媒体智能计算科研团队青年教师汪家明博士在遥感影像融合领域的科研论文。

论文题目为“Pan-sharpening via Conditional Invertible Neural Network”，武汉工程大学为第一署名单位，汪家明博士为第一作者，卢涛教授为通讯作者，合作单位包括Emory University、中国测绘科学研究院和湖北工业大学。《Information Fusion》期刊由ELSEVIER出版，是计算机科学领域的著名学术期刊，聚焦于信息融合、数据融合、知识融合等领域的研究，被录用的稿件反映了计信息融合领域的前沿研究水平，期刊影响因子为18.6，是中科院一区Top期刊，被中国计算机学会（CCF）认定为B类国际学术期刊。

由于传感器存在光学衍射极限，遥感影像的空间分辨率和光谱分辨率相互制衡且不可兼得。多光谱-全色影像融合任务能将多波段的多光谱影像和单一波段的全色影像融合，从而获得完整光谱波段与详细的纹理信息，服务于后续的遥感影像感知任务，如地物分类、变化检测和目标检测等。现有的多光谱-全色影像融合方法通常在图像和特征层面进行信息融合，全色影像中特有的光谱信息会污染融合过程，导致结果出现光谱失真和纹理不足问题。该最新研究成果首次提出了一种解耦的可逆学习范式，通过构建雅可比行列式，将异源信息融合任务转换为信息无损的全色影像指导下的多光谱生成任务，从而有效平衡多光谱和全色影像，对高精度遥感影像智能感知具有重大意义。融合效果和语义分割结果对比图如下：

研究工作得到了国家自然科学基金和湖北省自然科学基金的支持，论文理论和技术成果可以广泛应用于多模态信息融合与智能机器人等其他融合领域，为多模态数据处理提供融合理论指导和技术支撑。

论文链接：

https://www.sciencedirect.com/science/article/pii/S1566253523002968

（审稿 张炜）