近日，我院联合中国计量科学研究院，在国际知名期刊《Information Fusion》发表题为“Physics-Constrained Fusion and Prior-Guided Classification Framework for Remote Sensing Perception”（面向遥感感知的物理约束融合与先验引导分类框架）的研究论文。河南师范大学为第一署名单位，我院博士生王彬为论文第一作者，于坤教授、中国计量科学研究院刘子龙研究员为共同通讯作者。《Information Fusion》主要发表多传感器、多源信息融合领域的理论、算法与应用研究，是该领域具有重要影响力的SCI一区TOP期刊，2026年影响因子为17.4。
高光谱遥感能够利用精细光谱信息实现复杂场景的精准感知，但受传感器成像机理和硬件条件制约，实际观测往往难以兼顾高空间分辨率与高光谱分辨率，进而影响地物细节呈现、光谱特征保持及高层语义感知。与此同时，现有研究通常将图像重建与感知任务分别建模，使低层图像质量的提升难以稳定转化为实际感知性能。因此，如何充分利用多源遥感观测的空间-光谱互补特性，建立贯通成像、融合与感知的协同处理机制，是提升遥感信息应用效能的关键。
针对上述问题，研究团队构建了面向遥感智能感知的一体化框架，将多源观测信息、成像物理规律和任务需求纳入统一建模过程。该框架不仅利用不同传感器之间的互补信息提升遥感数据的空间细节与光谱表达能力，还将处理过程中形成的有效先验传递至后续感知环节，使信息融合直接服务于场景理解与语义判别。相较于仅关注图像重建质量的传统方法，该框架更加注重从观测数据到感知结果的整体效能，实现了遥感图像“看得更清”与场景信息“感知更准”的协同提升。
图 面向遥感智能感知的一体化框架
研究团队在4个模拟遥感数据和2个真实遥感数据上对该框架进行了系统验证。实验结果表明，该方法能够更好地保留地物的颜色、纹理和边界信息，减少图像失真和错误识别。在道路、水体、植被、农田和建筑等地物识别任务中，处理结果更加完整，区域边界更加清晰，表现出较好的准确性、稳定性和真实场景适用能力。
该成果为贯通传感器观测、信息融合与场景理解的一体化遥感智能感知提供了新路径，可服务于自然资源调查、生态环境保护、城市规划、农业生产和应急管理等领域。
论文链接: 10.1016/j.inffus.2026.104624
（光电工程学院 王彬）