基于深度学习的无人机高光谱图像智能解译方法综述

来源：信号处理杂志 2025年第8期北京时间：

作者：李伟, 宋璐杰, 马晓虎

摘要：随着无人机平台与高光谱观测技术的快速发展，无人机高光谱遥感在精准农业、生态环境监测及自然资源监管等领域展现出广阔应用前景，但其实际应用仍面临数据获取不稳定、图像畸变严重、光谱一致性差等技术挑战，亟需系统性的研究与方法优化。近年来，深度学习凭借特征自动提取与复杂场景建模的优势，逐步成为该领域智能解译的核心技术路径。为全面梳理相关研究进展与技术趋势，本文围绕无人机高光谱图像的成像设备、深度学习解译方法及典型应用方向进行了系统总结，重点探讨深度学习在分类、分割和目标检测等核心任务中的应用与演进，涵盖卷积神经网络、图神经网络、Transformer等代表性模型。研究表明，无人机高光谱数据受光照变化、姿态扰动和背景混杂等因素影响，导致数据处理复杂度高、不确定性大。当前方法在实际应用中仍面临模型场景适应性不足、算法实时性要求高、数据预处理成本大等瓶颈，未来需聚焦高效特征表达、轻量化模型架构和多场景鲁棒性优化等方向。通过对主流深度学习方法的系统梳理，本文总结了目标检测、分类和分割等关键任务中的代表性技术路径与解译策略，为无人机高光谱图像处理技术的持续优化与工程实用化拓展提供理论基础参考，同时借助对公开数据集的分析，也为研究者快速开展实验验证提供便利。

关键词：无人机平台, 高光谱图像, 分类, 分割, 目标检测