近日，我校计算机科学与工程学院具身智能团队在国际遥感领域知名期刊 IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing（IEEE JSTARS）（中科院SCI top 2区，影响因子6.3）发表最新研究成果《IC-HG: Itoh-Constrained Hybrid Graph Supervision for Sparse Learning of InSAR Phase Unwrapping》。

论文第一作者是我校2025级电子信息（计算机技术方向）研究生龚佳龙，通讯作者是周立凡博士，合作者包括具身智能团队成员以及电子科技大学于瀚雯教授、杨桃丽副教授、叶鑫博士以及意大利那不勒斯帕特诺普大学Vito教授。该研究提出了一种面向InSAR相位解缠的新型稀疏监督学习框架，为复杂场景下高精度相位解缠提供了新的解决方案。IEEE JSTARS 是IEEE地球科学与遥感学会（GRSS）主办的重要国际学术期刊，在遥感信息处理领域具有较高的国际影响力。该论文还被AP-IGASS 2026国际学术会议邀请做口头汇报。

针对InSAR相位解缠中深度学习方法依赖全像素标注、监督成本高等问题，研究团队提出了一种基于 Itoh约束混合图（IC-HG） 的稀疏监督学习框架，首次将传统相位解缠中的物理连续性约束与图结构监督相结合，将相位解缠建模为图边相位梯度学习问题，在仅使用少量稀疏监督信息的条件下实现了高精度相位解缠。实验结果表明，该方法在模拟数据和真实干涉图上均表现出优异的解缠精度和良好的泛化能力，为智能InSAR相位解缠提供了新的技术路线。

论文地址：https://ieeexplore.ieee.org/document/11656319