本研究提出相位-幅度解耦（PAD）框架，以解决合成孔径雷达与RGB图像在土地覆盖分类中的融合问题，显著提升特征一致性和融合效果。实验结果表明，PAD在遥感多模态融合中表现优异。

本文提出了一种名为SLCNet的新型受监督的长程关联方法，用于土地覆盖分类。该方法在地物遥感图像上的表现优于当前使用的非监督策略。SLCNet通过使用地面真实语义分割图中的类别一致性信息进行监督，使属于同一类别的像素高度相关而具有不同类别的像素不相关，从而产生了更一致的重校准特征。为了提高分割准确性，SLCNet采用了多尺度边输出监督和混合损失函数作为局部和全局约束。实验证明，SLCNet在所有数据集上都实现了最先进的性能。

本文综述了最近发表在文献中的基于机器学习的高光谱图像分析方法，按任务和算法类型进行组织，并提出了两向映射。涵盖了土地覆盖分类、目标检测、反混合和物理参数估计等任务，以及多种算法如高斯模型、线性回归、逻辑回归、支持向量机、混合高斯模型、稀疏线性模型、高斯混合模型、集成学习、有向图模型、无向图模型、聚类、高斯过程、狄利克雷过程和深度学习。同时讨论了该领域的挑战和未来方向。