近日，实验室2021级硕士生李铭崧的一篇论文“Exploring the Relationship between Center and Neighborhoods: Central Vector oriented Self-Similarity Network for Hyperspectral Image Classification”（作者：李铭崧，刘一锟，薛广阔，黄玉文，杨公平）被IEEE Transactions on Circuits and Systems for Video Technology (TCSVT) 录用。TCSVT是人工智能与计算机视觉领域的权威期刊，CCF B类期刊，中科院一区TOP期刊，影响因子（IF）2021为5.859。

高光谱图像分类任务作为地球观测的核心任务之一，为了便捷地挖掘目标像元的光谱-空间信息，现有基于卷积神经网络的方法往往采用基于图像块的输入模式。其中，图像块来代表其中心像元，而邻域像元在分类过程中起辅助作用。然而，对于中心像元的类别指派，邻域像元往往具有不同程度的贡献作用。虽然现有基于图像块的卷积模型能够自适应的捕获空间邻域信息，但是他们中绝大多数忽略了中心像元与邻域像元的潜在关系。此外，对于高光谱图像分类任务，高效地光谱-空间提取也是一项困难但重要的问题。为此，本文针对性地提出了一种面向中心向量的自相似网络模型。具体来讲，基于两种相似度度量，设计了一个面向光谱向量的自相似模块和面向特征向量的自相似度模块，分别在原始输入空间和高层次特征空间完成面向中心向量的空间关系挖掘。并且，定制了一种一维中心光谱向量与三维光谱-空间图像块的融合模式，使得后续模块可以进行高效的光谱-空间特征提取。最后，实现了一个通道空间分离卷积模块和一个尺度信息互补卷积模块来进行高效的光谱-空间特征提取。在四个流行数据集上的大量实验证明了所提出模型的性能与效率。