1.个人简介
吴磊，1980年4月生，博士/博士后，教授，新余市学术和技术带头人、享受新余市政府特殊津贴。江西理工大学、东华理工大学、江西师范大学等高校硕士研究生导师。中国优选法统筹法与经济数学研究会智能决策与博弈分会理事，中国图象图形学学会会员。中国有色金属学会第八届理事会常务理事。2025年“新时代赣鄱先锋”、新余市优秀教师、新余市优秀共产党员。
研究方向主要为遥感图像融合、计算机视觉和优化决策。博士学位论文“基于注入模型的遥感图像融合方法研究及其应用”获2021年江西省优秀博士学位论文。2023年6月电子科技大学博士后出站。近年来，主持国家自然科学基金项目、省自然科学基金面上项目等10项，参研国家自然科学基金项目等14项；在国内外专业学术期刊发表学术论文31篇，其中SCI收录18篇（一区Top期刊2篇，新余学院学校要闻进行了专题报道），学术论文分别获新余科协特等奖、一等奖；出版专著1部，参编教材2部(副主编)；授权国家实用新型专利4项。指导学生参加江西省信息技术大赛、全国高校计算机能力挑战赛等获得一等奖二等奖多项。
2.团队简介
吴磊教授为电子信息学科牵头人，遥感图像融合团队现有成员11人，其中博士6人、硕士研究生2人，教授1人、副教授5人；团队拥有100余平米独立实验室，具有完备的实验条件。团队还与江西龙凯科技有限公司共建联合实验室，拥有300余平米实验室，与江西慧驰供应链管理有限公司合作，开展统仓共配平台研发，该横向课题研究经费60万，与新余市袁河科技有限公司合作，参与新余市城市大脑暨大数据一期项目，研究经费30万。
3.主持代表性课题
（1）国家自然科学基金项目，基于跨域对应学习的遥感图像空-谱信息保真融合研究，项目编号：62441112, 2025.1-2025.12;
（2）江西省自然科学基金面上项目，基于注入模型和迁移学习的遥感图像融合方法研究，项目编号：20212BAB202028, 2022.1-2024.12;
（3）江西省教育厅科技重点项目，基于注入模型和深度学习的遥感图像融合方法研究，项目编号：GJJ202301, 2021.1-2023.12;
（4）江西省教育厅科技重点项目，基于深度卷积神经网络的遥感图像超分融合关键技术研究，项目编号：GJJ2402102, 2025.1-2027.12;
（5）团队承接江西慧驰供应链管理有限公司的统仓共配平台研发横向课题，研究经费60万；
（6）团队承接新余市袁河科技有限公司的新余市城市大脑暨大数据一期项目，横向课题研究经费30万；
4.代表性论文（第一或通讯）
[1] Lei Wu, et al. Pan-sharpening based on multi-objective decision for multi-band remote sensing images, Pattern Recognition, 2021年；
[2] Lei Wu, et al. Pansharpening based on spectral-spatial dependence for multibands remote sensing images, IEEE Access, 2022年；
[3] Lei Wu, et al. Multi-band remote sensing image fusion based on collaborative representation，Information Fusion, 2023年；
[4] Lei Wu, et al. A spectral preserved model based on spectral contribution and dependence with detail injection for pansharpening, Scientific Reports, 2023年;
[5] Lei Wu, et al. Cross-domain correspondence intensity modulation based on bayesian-decision for remote sensing image pansharpening, PLOS One, 2025年;
[6] Xunyan Jing, Lei Wu*, et al. Cost-efficiency based residential power scheduling considering distributed generation and energy, Journal of Energy Storage, 2024年；
[7] Xunyan Jing, Lei Wu*, et al. Residential power scheduling based on consumption efficiency considering users’ utility sacrifice in smart grid, Energy and Buildings, 2025年；
[8] Xunyan Jing, Lei Wu*, et al. Residential load scheduling based on cost efficiency considering consumer preferences and environmental awareness in smart grid, Sustainable Energy, Grids and Networks, 2026年.
