上海市多维度信息处理重点实验室
高光谱大数据与人工智能联合实验室开放课题申请指南
高光谱大数据与人工智能联合实验室（以下简称“实验室”）由上海市多维度信息处理重点实验室和杭州高谱成像技术有限公司于2024年联合组建，实验室依托双方资源优势，基于“人才培养-学科建设-科研创新-产学研结合”的合作思路，共同打造高光谱数据处理和人工智能大模型技术攻关和成果转化平台，实践"企业出题-校企共答-市场阅卷"的产学研范式。实验室的研究方向包括：高光谱大数据管理、高光谱大数据处理与智能分析、光谱视觉应用技术、高光谱成像系统标定及测试等。
为加强双方协同创新，促进高水平产学研合作，实验室特设立开放课题基金，资助与实验室研究方向有关的研究项目。现发布2025年度（第一批）开放课题指南，诚邀广大师生进行申报。
一、资助方向与重点领域
高光谱大数据管理
（1）高光谱大数据管理关键技术研究
围绕高光谱成像数据规模大、维度高、动态性强等特点，研究多源（机载高光谱、显微高光谱、便携式高光谱）异构（高清可见光数据、GPS数据）光谱数据的存储、组织与快速检索技术。重点突破高光谱数据库的分布式架构设计、基于光谱-空间特征的动态索引机制、轻量化数据预览方法等方向，为构建标准化高光谱数据管理平台提供技术支撑。研究成果支撑遥感监测、工业检测等领域的高效数据共享与智能分析，为多场景应用提供底层数据服务支持，解决现有高光谱数据利用率低、检索耗时长等问题，推动数据驱动的高光谱成像技术产业化。
（2）无人机载高光谱数据管理关键技术
面向无人机平台高光谱数据采集效率高、空间分辨率精细但数据分散性强、时空关联复杂的特点，研究基于地理信息系统（GIS）的无人机高光谱数据全流程管理技术。重点开发多维度空间索引模型（如融合无人机飞行轨迹、地理坐标、光谱特征的三级索引架构），实现高光谱数据与地理空间信息的动态匹配与快速检索。研究成果将服务于精准农业、生态保护、灾害应急等领域，提升无人机高光谱数据的实时处理能力与场景化分析效率，推动低空遥感技术的工程化应用。
无人机载高光谱数据处理关键技术研究
（1）无人机载高光谱数据阴影去除关键技术研究
针对机载高光谱成像中因地形起伏、云层遮挡或建筑物遮蔽导致的阴影干扰问题，研究阴影区域光谱失真校正与地物反射率重建技术。重点突破基于物理模型与深度学习融合的阴影检测方法、阴影区与非阴影区光谱关联性建模、以及多源数据协同的阴影校正算法。研究成果将显著提升阴影区域地物分类与定量化分析能力，推动机载高光谱技术在复杂光照条件下的工程化应用。
（2）无人机载高光谱数据高精度拼接关键技术研究
面向无人机高光谱成像中因载荷轻量化需求导致惯性测量单元（IMU）缺失或精度不足的问题，研究基于可见光正射影像与光谱特征联合约束的高精度拼接技术。重点突破无IMU条件下的无人机位姿反演算法（如通过可见光影像特征点匹配与光束法平差重建飞行轨迹）、高光谱-可见光跨模态数据自适应配准模型、以及大范围场景光谱一致性保持的拼接优化方法（如光照差异补偿与非线性畸变校正）。研究成果将实现复杂地形下高光谱数据的无缝拼接（如山区、城市建筑群的多架次数据融合），支撑精准农业中的全域作物光谱监测、矿区地表动态变化分析等场景，显著降低无人机高光谱系统硬件成本并提升数据处理效率。
（3）无人机载高光谱与激光雷达数据融合关键技术研究
针对单一传感器在复杂场景中信息获取的局限性，研究高光谱成像（光谱维度）与激光雷达（空间三维结构）的多源数据融合理论与方法。重点突破多模态数据时空配准技术（基于点云与影像特征联合约束的自适应配准算法）、光谱-几何特征深度耦合模型（如利用激光雷达点云提取地形高程与冠层结构，驱动高光谱数据的阴影校正与地物分类）、以及融合数据的联合反演算法。研究成果将提升森林碳汇监测、城市立体绿化评估、地质灾害隐患识别等场景的定量分析精度（例如融合激光雷达地形数据与高光谱矿物信息实现滑坡体边界精准圈定），为多传感器协同观测提供标准化技术框架，推动空天地一体化遥感技术的工程化应用。
显微高光谱数据处理关键技术研究
面向生物医学、材料科学等领域对显微高光谱成像大视场、高精度的需求，研究多视场显微高光谱数据的智能拼接与三维光谱重建技术。
（1）显微高光谱成像数据跨尺度拼接与三维光谱重建技术
研究亚像素级显微图像配准算法，基于局部结构特征（如细胞边缘、纳米颗粒分布）与光谱相似性约束，开发自适应配准模型。
（2）显微高光谱成像跨视场光谱一致性校正技术研究
研究跨视场光谱一致性校正技术，针对显微成像中物镜切换或照明不均导致的光谱偏移，构建光谱归一化模型。
（3）显微高光谱成像三维光谱重建技术研究
研究三维光谱融合方法，对Z轴层扫数据，结合聚焦测度与光谱特征优化层间对齐，实现细胞组织、微纳材料的立体光谱重构。
（4）胃癌组织高光谱快速病理分析关键技术研究
针对杭州高谱成像技术有限公司与浙江大学医学院附属邵逸夫医院联合采集的胃癌组织高光谱数据进行处理与分析，研究肿瘤组织与正常组织的分类模型，建议分类识别精度不低于85%。
高光谱标定与校准关键技术研究
（1）基于标准物质的高光谱光谱标定与可溯源传递技术研究
针对高光谱成像系统因环境干扰、器件老化导致的光谱响应漂移问题，研究基于标准物质的标定模型构建与动态校正技术，确保跨设备、跨时间数据的可比较性与可追溯性。研究内容包括：标准物质光谱特性库构建、高光谱标定物理-数据融合模型、可溯源标定传递技术、多维标定体系验证等。
（2）高光谱数据波长自适应标准化与特征一致性保持技术研究
针对不同高光谱设备因波长范围、采样间隔不一致导致的数据融合难问题，研究基于插值重采样与深度学习协同的波长标准化技术，实现跨平台数据的物理对齐与特征可迁移性。研究内容包括：多设备波长映射基准构建、插值-深度学习混合建模、特征一致性约束机制等。
二、申报条件与要求
申请人员资格
华东师范大学从事相关工作的教师、研究生以及高年级在读本科生。
申报要求
（1）作为课题负责人仅限承担1项开放课题。作为课题参与人员不限项。
（2）在读研究生、在读本本科生作为课题负责人的，课题预计结题时间不得晚于毕业时间前3个月。
（3）课题主要参与人中应至少包含1名杭州高谱成像技术有限公司人员（可在确定立项后加入）。
三、申报流程
材料提交
提交《高光谱大数据与人工智能联合实验室开放课题申请书》电子版1份。见附件。
申请书提交截止时间：2025年5月6日。
评审机制
实验室初审（形式审查）。
实验室终审：由实验室组织申报答辩，优先支持技术转化潜力强的课题。
经费管理
资助强度：分为基础课题及重点课题，基础课题经费强度2~5万元，重点课题经费强度5~20万元。
经费拨付：分阶段拨款（立项后30%，中期考核后50%，结题后20%）。
四、成果与知识产权
成果标注
论文、专利成果需以实验室为第一或第二署名单位；
论文明确标注格式，"高光谱大数据与人工智能联合实验室开放基金资助（项目编号：XXX）"；
知识产权分配
开放课题产生的相关知识产权归属实验室，实验室组建方各自享有该知识产权的使用权。杭州高谱成像技术有限公司享有开放课题产生的知识产权的优先购买权，购买方式另行协商。
联系人：王健生，jswang@cee.ecnu.edu.cn
