图 高光谱遥感大模型HyperSIGMA的总体设计框架图

　　在尊龙凯时项目（批准号：62225113, 624B2109）资助下，武汉大学杜博教授和张良培教授团队在高光谱遥感大模型研究方面取得进展。研究成果以“HyperSIGMA：高光谱智能理解基础模型（HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model）”为题，于2025年4月8日在线发表于《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》。论文链接：http://ieeexplore.ieee.org/document/10949864。

　　高光谱遥感影像在城市规划、精准农业与环境监测等领域具有重要应用价值。目前，基于深度学习的人工智能和大模型技术正成为高光谱图像处理领域的主流方法。然而，受限于任务专属性与场景依赖性，传统高光谱图像处理模型普遍存在跨任务泛化性弱、跨场景迁移性差等问题，制约了模型应用的规模化拓展。如何发展面向多场景需求的高光谱影像通用处理框架，成为该领域亟需解决的难题。

　　针对上述难题，杜博和张良培团队通过收集覆盖全球范围的高光谱遥感图像样本，建立了包含约45万张高光谱图像（容量相当于超过2000万张三波段图像）的预训练数据库—HyperGlobal-450K。依托国产化算力平台，构建了十亿级高光谱智能理解大模型HyperSIGMA（Hyperspectral Intelligence Comprehension Foundation Model）。该模型提出了“模态解耦-稀疏引导-特征融合"协同学习框架（图），解决了高光谱数据的高维冗余和空谱耦合等问题，实现了空谱全域特征的高效提取。实验表明，该模型能够对高光谱影像高层语义理解与底层特征重建任务进行有机统一，具有功能集成度高、架构扩展性强、环境鲁棒性优、计算效能突出等优点，在图像分类、目标探测、异常探测、变化检测、光谱解混、图像去噪和图像超分等多种高光谱遥感任务中获得了当前最先进的性能。

　　项目研究成果在自然资源调查、灾害动态监测等领域具有广阔的应用前景，为高光谱智能处理领域的技术发展提供了全新方向。