摘要：近日，贺威教授课题组在遥感领域取得重要进展，两篇研究论文分别被国际顶级期刊 ISPRS Journal of Photogrammetry and Remote Sensing（ISPRS）和 IEEE Transactions on Geoscience a
近日，贺威教授课题组在遥感领域取得重要进展，两篇研究论文分别被国际顶级期刊 ISPRS Journal of Photogrammetry and Remote Sensing（ISPRS）和 IEEE Transactions on Geoscience and Remote Sensing（TGRS）接收，充分展示了课题组在遥感影像智能解译方面的研究深度。
ISPRS论文：“Overcoming the Uncertainty Challenges in Detecting Building Changes from Remote Sensing Images”
在贺威教授的指导下，该论文由课题组博士生李杰潘主导完成，合作作者包括博士生李卓鸿、郭瑜君及中国地质大学（武汉）张洪艳教授。论文聚焦建筑物变化检测任务中常见的不确定性问题，创新性地提出了不确定性感知建筑物变化检测方法（Uncertainty-aware Building Change Detection, UA-BCD）。 论文从数据偶然性（aleatoric uncertainty）与模型认知不确定性（epistemic uncertainty）两大方面分析了建筑物变化检测中的挑战，并设计了针对性解决方案。方法在五个大规模建筑物变化检测数据集上取得了优异表现，并成功应用于武汉市东西湖区10年内建筑物变化检测任务，有效解决了因建筑外观风格变化导致的伪变化问题。
UA-BCD 方法框架图
TGRS论文：“A Comprehensive Deep-Learning Framework for Fine-Grained Farmland Mapping from High-Resolution Images”
第二篇论文由贺威教授指导完成，作者包括课题组博士生李杰潘、弘毅学堂本科生魏一攀以及弘毅学堂本科生魏天高。论文聚焦于高分辨率影像的高细粒度农田制图问题，创新性地构建了一个覆盖数据标注、方法设计和实际应用全流程的完整深度学习框架。
数据贡献: 标注了覆盖青藏高原、云贵高原、黄土高原、长江中下游、东北平原及部分丘陵地区的0.3m高分辨率农田提取数据集。数据集细粒度高、质量优良，即将开源，欢迎大家广泛使用。
方法创新: 提出了双分支网络（Dual-Branch Boundary-Aware Network, DBBANet），该网络综合考虑空间信息与边缘细节，有效缓解农田边界模糊问题，提高农田提取结果的规则性与精确性。
应用实践: 成功实现了大范围农田矢量化制图，展现了其在实际应用中的广泛潜力。
高细粒度农田制图框架图
https://github.com/Henryjiepanli/UA-BCD (Github链接 )
https://www.sciencedirect.com/science/article/pii/S092427162400426Z (论文链接)
https://github.com/Henryjiepanli/DBBANet (Github链接 )
即将Online (论文链接)
本期供稿 | 李杰潘
本期排版 | 李杰潘
本期审核 | 胡磊，李杰潘
来源：测绘学报