近日，地理与空间信息学院申怀飞博士、本科生邹明甫作为共同第一作者，在国际知名期刊《ISPRS Journal of Photogrammetry and Remote Sensing》上发表题为“A physically interpretable spectral fingerprint iterative matching algorithm for hyperspectral land cover classification”的创新研究成果。该期刊是国际摄影测量与遥感学会（ISPRS）官方旗舰会刊，测绘遥感领域国际顶级期刊，为中科院一区TOP期刊，最新影响因子12.9。
该研究提出了光谱指纹迭代匹配分类（Spectral Fingerprint Iterative Matching Classification, SFIMC）框架，针对高光谱数据高维、类内光谱变异显著、分类决策不透明等瓶颈，通过相关性波段筛选保留144个低冗余特征波段，将其离散化为五级编码的“数字指纹”，并以汉明距离位级匹配结合渐进式多级阈值迭代完成分类，每个像元的分类决策均可逐波段追溯。在不依赖大规模标注样本与GPU算力的条件下，该方法在平原、丘陵、高原等4个地貌气候差异显著区域的泛化实验中取得81%–90%的总体精度，在极端小样本（每类仅1个训练像元）条件下总体精度仍达49.14%，训练标注成本压缩至常规方法的1/5–1/10。这一成果不仅展示了光谱指纹方法在高光谱遥感分类领域的巨大潜力，更成为我校以科研平台赋能本科生创新人才培养的生动范例。
许昌学院为论文第一单位，我校申怀飞副教授、南京大学田庆久教授为共同通讯作者。本工作获得河南省自然科学基金、河南省高校重点科研项目、河南省科技攻关项目以及河南省高等学校青年骨干教师培养计划的经费支持。
（审核：侯刚；编审：孙旭涛；签审：钟伟平）
