9月初，我校电子信息工程学院（机器人学院）熊承义教授团队在国际遥感领域期刊IEEE Transactions on Geoscience and Remote Sensing (TGRS)（中科院一区TOP期刊，影响因子8.6）上发表重要研究成果，论文题为“HAM: Hierarchical AttentionMamba With Spatial–Frequency Fusion for Remote Sensing Image Super-Resolution”。该项研究在遥感图像超分辨率重建方面取得新进展，为提升图像重建质量与细节恢复能力提供了新范式。
论文第一作者为我校电子信息工程学院（机器人学院）2023级硕士研究生李明月，熊承义教授为通讯作者。合作者包括我校计算机学院高志荣副教授和武汉大学电子信息学院马佳义教授。
遥感图像在国土资源调查、环境监测和城市规划等领域应用广泛，但常因成像条件限制导致分辨率不足、细节信息丢失。现有基于Mamba的超分辨率方法在处理复杂遥感场景时，常面临层次特征交互不足、空间与频率信息融合不充分等挑战。
论文图摘要。电信学院供图
针对上述挑战，熊承义教授研究团队提出了一种新型层级注意力Mamba网络（HAM），创新性地设计了层级聚合注意力模块（HAA）和空频信息交互模块（SFIIM）。HAA模块通过差异驱动机制实现多层次特征互补融合，SFIIM模块则借助傅里叶变换解耦振幅与相位信息，分别增强图像全局结构和局部纹理的恢复能力。两者协同工作，显著提升了模型对复杂地物结构的重建精度。
实验表明，HAM模型在六个开源遥感数据集上均达到最优性能，在PSNR、SSIM、LPIPS等评价指标上超越现有先进方法，并展现出较高重建性能和计算效率。团队还推出轻量化版本HAM-Tiny，在保持高性能的同时大幅降低参数规模，具备良好的工程应用前景。
论文链接：https://ieeexplore.ieee.org/document/11151607
2025-09-26