河南大学数学与统计学院、河南省应用数学中心（河南大学）郑晨教授团队长期关注基于统计理论与人工智能算法驱动的遥感数据智能解译，在高分辨率遥感数据语义分割等方面取得了一系列的研究成果。近期，本团队在利用统计模型解决高分辨率遥感影像多层次语义推理方面取得了新进展，相关工作发表在国际知名期刊《IEEE Transactions on Geoscience and Remote Sensing》

高分辨率遥感是国家重大科技专项，是对地观测的重要数据。近年来，随着人工智能技术的发展，利用AI智能解译高分辨率遥感影像数据（下文简称高分影像）成为理论研究和实际应用的关键问题。但是，AI模型存在着可解释性不足的问题，针对该问题，结合高分影像中呈现出的多尺度特性，研究团队提出了一种深度学习模型和马尔科夫随机场模型双重驱动的新模型，旨在利用理论基础完备的马氏场模型，提升深度学习模型的精度和可解释性。该研究充分抓住了高分影像中层次化的解译成为可能的关键点，通过多层次马氏场的条件概率统计推断，有效提升了原有深度学习模型中违背人类认知的地物误分结果，实现了数据与知识双重驱动的建模。

此研究由河南大学数学与统计学院、西南林业大学合作完成，河南大学数学与统计学院陈运成博士为论文第一作者。