近日，我校计算机科学与工程学院石俊飞副教授课题组在极化合成孔雷达（PolSAR）图像智能解译方向取得重要进展。针对传统深度学习在极化SAR解译中将复数协方差矩阵强行向量化导致几何拓扑结构畸变，以及网络训练高度依赖黑盒经验，缺乏严格数学机理支撑这一关键难题。课题组创新性地融合黎曼流形几何理论与深度展开网络，构建了一种模型驱动的超像素黎曼稀疏表征学习网络（SRSR_CNN）。该方法将基于仿射不变黎曼度量（AIRM）的优化求解过程展开为深度网络学习主干SRSRNet，在严密保留复数矩阵几何流形结构与通道关联特性的同时，实现了稀疏系数与流形字典的迭代优化与可解释特征学习，并在保持地物边缘完整性与均质区域平滑性上实现了性能的大幅提升。

 

相关研究成果以“A Novel Riemannian Sparse Representation Learning Network for Polarimetric SAR Image Classification”为题，发表在多媒体与人工智能领域国际顶级学术期刊《IEEE Transactions on Multimedia》（中科院一区TOP期刊，影响因子9.9）上。我院石俊飞副教授为论文第一作者，硕士研究生聂萌萌为第二作者，金海燕教授、李军怀教授为共同作者，合作者还包括江南大学王锐副教授和新加坡南洋理工大学Weisi Lin教授，西安理工大学为第一署名单位，合作单位有江南大学与新加坡南洋理工大学。

IEEE TMM系中国计算机学会（CCF）推荐的 A类高水平期刊、长期入选中科院一区Top与JCR Q1分区期刊（最新影响因子9.9），是国际公认的多媒体与图像处理领域旗舰刊物。该项工作彰显了我校学者在数学机理指导下的可解释智能遥感解译方向上的原始创新能力，具有显著的国际学术反响。石俊飞副教授课题组长期围绕极化SAR几何建模、流形度量理论与深度可解释表征开展体系化攻关，本次成果展现了其在“机理模型+数据驱动”混合范式探索上的坚实积累。下一步，团队将继续以技术革新为驱动，聚焦黎曼流形测度学习与深度学习的深度融合，加速科研成果在复杂环境遥感解译中的应用转化，为学校相关学科高质量发展持续注入新动能。

研究工作得到了国家自然科学基金（62006186, 62272383）和陕西省教育厅青年创新团队科研计划项目（23JP111）的资助。

论文链接：https://doi.org/10.1109/TMM.2026.3712244

 

石俊飞，西安理工大学计算机科学与工程学院副教授，博士生导师，软件工程系副主任。IEEE高级会员、CCF高级会员、中国图象图形学学会（CSIG）高级会员。2016年博士毕业于西安电子科技大学，2025年新加坡南洋理工大学访问学者。主要研究方向包括遥感图像处理、流形学习与计算机视觉。近年来主持国家自然科学基金面上项目1项、青年项目1项，主持陕西省自然科学基础研究基金项目、重点实验室开放基金项目及多项厅局级科研项目。在IEEE TGRS、IEEE TCSVT、Pattern Recognition、Applied Soft Computing、《自动化学报》等国内外高水平期刊发表学术论文30余篇。出版专著《全极化合成孔径雷达图像处理》一部，教材《最优化理论与方法》一部。曾获中国发明协会创新创业奖二等奖、陕西省科学技术奖二等奖、科研先进个人、优秀本科生导师等荣誉称号。担任TGRS、TNNLS、TFS、Applied Soft Computing、Knowledge-Based Systems、Remote Sensing等国际权威期刊审稿人。