易诗副教授课题组在摄影测量与遥感领域高水平期刊 ISPRS Journal of Photogrammetry and Remote Sensing 发表地表温泉流体无人机遥感提取研究新成果

近日，摄影测量与遥感领域国际顶级期刊ISPRS Journal of Photogrammetry and Remote Sensing（ISPRS）发表了易诗副教授研究团队在地表温泉流体无人机遥感提取方面的最新研究成果：“An interactive fusion attention-guided network for ground surface hot spring fluids segmentation in dual-spectrum UAV images”。易诗副教授为该论文的第一作者，参与本研究的还有课题组硕士生陈梦婷和王嘉帅，易诗副教授和郭科教授为指导老师。ISPRS（中国科学院一区Top期刊）是摄影测量和遥感领域公认的顶级国际期刊，最新影响因子为10.5。本项目研究受到了四川省自然科学基金面上项目（24NSFSC0498）、国家自然科学基金青年项目（42407612）资助。

论文简介：

研究地表温泉流体的分布规律对地热资源的开发利用具有重要意义。低空飞行的无人机捕获的双光谱图像提供的详细信息有利于准确分割与提取地表温泉流体。然而，现有的图像分割方法在温泉流体分割中面临着很大的挑战，由于流体边界的频繁和不规则变化，同时这些流体中存在杂质导致严重的分割不确定性。此外，目前还没有专门针对双光谱无人机图像中地表温泉流体分割的基准数据集。

针对上述问题，论文构建了双光谱温泉流体分割（DHFS）数据集作为基准数据集，对双光谱无人机图像中的地表温泉流体进行分割。此外，本文还提出了一种新的交互式融合注意力引导RGB-T语义分割网络IFAGNet，用于双光谱无人机图像中地表温泉流体的精确分割。提出的IFAGNet由两个子网组成，利用两种特征融合架构，设计了两阶段特征融合模块，以实现最优的中间特征融合。IFAGNet利用交互式融合注意力引导架构，引导两个子网络通过互补信息交换对提取的特征进行进一步处理，从而显著提高了温泉流体分割的精度。此外，为每个子网络开发了两个上下全尺度特征金字塔网络（FPN）解码器，以充分利用多阶段融合特征，提高温泉流体分割过程中细节信息的保存。采用混合一致性学习策略对IFAGNet进行训练，将完全监督学习与各子网络之间及其融合结果的一致性学习相结合，进一步优化RGB-T无人机图像中温泉流体的分割精度。

图1. IFAGNet网络结构图

论文对所提出的网络进行了大量的实验验证，结果表明IFAGNet能够提高双光谱无人机图像中地表温泉流体的分割精度，达到与目前同类方法对比最优的提取结果。

图2. Grad-CAM类激活图可视化对比结果（最末为本论文提出的IFAGNet）

论文链接：https://doi.org/10.1016/j.isprsjprs.2025.01.022

文、图：易诗