遥感反演问题的生成式贝叶斯推断研究（GENESIS-RS）

【项目介绍】

遥感测量为环境系统提供间接、含噪且往往不完整的观测数据。超分辨率、SAR去斑和光谱解混等任务本质上是病态反演问题，然而大多数现代深度学习方法侧重于产生点估计，缺乏可靠的不确定性量化。这限制了其在环境监测和决策中的科学可解释性和实际应用价值。

本博士项目旨在为遥感反演问题开发生成式贝叶斯推断框架，实现对环境变量的后验估计和不确定性感知重建。该项目将把现代生成式AI模型作为学习到的贝叶斯先验，与基于物理的观测模型相结合，以概率性和可解释的方式解决反演问题。

【研究目标与方法】

项目的核心目标是：(1) 在贝叶斯框架下构建关键遥感反演问题；(2) 利用现代AI模型开发具有表达力的生成式先验；(3) 执行后验推断，同时获得重建结果和校准的不确定性估计。

在方法论上，该项目将结合：贝叶斯反演问题表述，采用源自传感器特性的显式似然模型（如SAR的乘性斑噪声、光学影像的分辨率退化算子）；生成模型，如条件扩散模型、归一化流或流匹配方法，用于表示高维图像先验；后验推断技术，包括变分推断和后验采样，用于近似或从贝叶斯后验中采样；使用后验预测检验和校准诊断进行严格的不确定性评估。

项目将聚焦于一到两个代表性应用，如使用Sentinel-1和Sentinel-2数据进行SAR去斑或多光谱超分辨率，确保在博士时间框架内的可行性，同时保持方法论深度。

【预期成果】

针对选定遥感反演问题的新型贝叶斯表述；使用生成式先验进行不确定性感知图像重建的算法；开源软件和可复现的实验流程；在机器学习和遥感领域发表同行评审论文。

【关键词】 贝叶斯推断；反演问题；生成模型；扩散模型；归一化流；不确定性量化；遥感；环境成像；Sentinel数据

【联系方式】 项目咨询请联系：Dr Oktay Karakuş – karakuso@cardiff.ac.uk

【申请要求】

本项目全年接受自费候选人申请。学习模式：全日制或非全日制。

请通过Cardiff University Computer Science and Informatics - Study提交申请。在申请的资助字段中，请注明“我正在申请计算机科学与信息学的自费博士项目”，并在提供的文本框中注明本项目的标题和导师。

学术标准：计算机或相关学科的二等一荣誉学士学位或硕士学位。具有适当专业经验的申请人也会被考虑。某些项目领域的研究需要学位水平的数学（或同等学历）。申请人必须证明英语语言能力。非英语母语的学生必须获得雅思总分至少6.5分，各技能部分最低6.0分的成绩。接受的资格完整列表请见：https://www.cardiff.ac.uk/study/international/english-language-requirements/postgraduate

如有兴趣，请先发送简历联系Dr Oktay Karakus (karakuso@cardiff.ac.uk)。申请过程需要您与指导团队共同制定个人研究计划，该计划应基于本广告中提供的信息。

【申请材料】

• 在申请的“研究计划”部分，输入您申请的项目名称并上传您的个人研究计划。研究计划不应超过2000字，包括参考文献和书目。 • 个人陈述（作为大学申请表的一部分，或作为单独附件）。 • 简历。博士职位简历指导可在FindAPhD网站上找到。 • 资格证书和成绩单 - 原件和英文翻译（如适用）。 • 两封学术推荐信。请注意您需要作为申请的一部分提供推荐文件。 • 英语能力证明（如适用）。

【面试】 如果申请满足上述所有入学要求，您将被邀请参加面试。

【资助信息】 本项目仅面向自费学生，或拥有自己资助或奖学金的学生。如适用，候选人将需要承担学生签证费用、医疗附加费以及前往英国学习的任何其他费用。这些费用不会由计算机科学与信息学学院承担。