[1]  1）深度学习，类脑计算 本方向旨在探索深度学习与类脑计算的融合创新。我们借鉴生物大脑中基于脉冲神经网络（SNN） 的稀疏、事件驱动式信息处理机制，对传统人工神经网络进行底层重构，设计兼具深度学习高性能与类脑计算低功耗特性的新型混合模型。 2） 高光谱图像解混 受限于传感器的空间分辨率，高光谱图像中的一个像素通常由多种地物（称为“端元”）混合而成。本方向旨在开发先进的光谱解混算法，通过非线性混合模型或深度学习方法，从混合像素中精确地识别出纯净地物光谱信号（端元提取）并估算其比例（丰度反演），为后续的精细地物分类与识别提供基础。 3） 高光谱变化检测该方向致力于利用同一地区不同时期的高光谱图像，精准地探测与分析地物随时间发生的变化。研究重点是如何充分挖掘和利用高光谱数据的空-谱-时三维信息，设计对噪声鲁棒的变化检测模型，以有效区分真实的地表变化与由光照、物候等引起的伪变化，服务于环境监测、精准农业和城市动态分析等应用。