在国家自然科学基金项目（项目编号：61471274）等资助下，武汉大学Sigma团队徐永浩（指导教师：张良培教授、杜博教授）在多源遥感大数据研究中取得新进展。该团队在2018年IEEE全球数据融合大赛（IEEE Data Fusion Contest）中，以多源数据融合挑战赛第一名、多光谱LiDAR挑战赛第一名的成绩获得该项赛事的总冠军。比赛共有来自包括美国麻省理工大学、德国慕尼黑工业大学、日本东京大学、美国国家航空航天局、德国宇航中心、法国航空航天实验室、日本橡树岭国家实验室等全球知名的遥感与数据融合研究机构超过1300支队伍参赛。比赛结果见链接： http://www.grss-ieee.org/community/technical-committees/data-fusion/2018-ieee-grss-data-fusion-contest-results/。
IEEE全球数据融合大赛由IEEE地球科学与遥感学会（IEEE Geoscience and Remote Sensing Society）在2006年发起，每年举行一次，至今已成功举办12届。大赛以多源遥感数据融合为主题，致力于推动遥感大数据处理技术的创新与发展，是迄今为止影响力最大的全球遥感数据融合比赛（http://www.grss-ieee.org/community/technical-committees/data-fusion/）。本届比赛为参赛者提供了高光谱影像、多光谱LiDAR数据以及空间分辨率高达5厘米的高分影像，涉及包括数字表面模型、数字高程模型、大规模三维点云等在内的多种遥感数据处理，数据量超过10个GB。参赛者需要充分考虑不同类型的传感器在对地观测中的优势，将多源异质数据进行高效集成，在两周时间内对大范围城市区域完成包含20种不同地物类别的精细化识别。比赛最终根据选手对测试区域的识别精度进行排名。
训练区域的假彩色合成影像与对应的地表真实地物分布图
测试区域的高分影像 (空间分辨率5厘米)
目前，遥感技术已进入大数据时代。如何发挥遥感大数据的优势，提升对地观测的智能化、精准化程度，成为当前遥感技术发展的重大挑战。近年来，本团队针对这些难点，先后提出了联合显著性检测与无监督深度学习的遥感影像场景识别方法；基于梯度提升卷积神经网络的遥感影像场景识别方法；联合弱监督学习与耦合卷积神经网络的遥感影像飞机探测方法，并撰文对深度学习方法应用在遥感大数据中的机遇与挑战进行了全面的阐述。相关研究成果发表在IEEE Trans. on Geoscience and Remote Sensing以及 IEEE Geoscience and Remote Sensing Magazine等遥感领域顶级国际期刊上，4篇论文入选全球ESI热点论文（本学科引用排名全球前0.1%）:
[1] F. Zhang, B. Du and L. Zhang, “Scene Classification via a Gradient Boosting Random Convolutional Network Framework,” IEEE Transactions on Geoscience and Remote Sensing, vol. 54, no. 3, pp. 1793-1802, March 2016. [2] F. Zhang, B. Du, L. Zhang and M. Xu, “Weakly Supervised Learning Based on Coupled Convolutional Neural Networks for Aircraft Detection,” IEEE Transactions on Geoscience and Remote Sensing，vol. 54, no. 9, pp. 5553-5563, Sept. 2016. [3] F. Zhang, B. Du and L. Zhang, “Saliency-Guided Unsupervised Feature Learning for Scene Classification,” IEEE Transactions on Geoscience and Remote Sensing, vol. 53, no. 4, pp. 2175-2184, April 2015. [4] L. Zhang, L. Zhang, B. Du, “Deep Learning for Remote Sensing Data A technical tutorial on the state of the art,” IEEE Geoscience and Remote Sensing Magazine, vol. 4, no. 2, pp. 22-40, June, 2016.