近日，理學院林草數據處理團隊李鑫偉課題組在遙感領域二區期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（影響因子：4.7）上發表了題為“DBCF-Net: Enhanced Interactive Remote Sensing Image Segmentation With a Dual-Branch Network and Collaborative Feedback Integration”的研究論文。該研究提出了一種面向遙感圖像交互式分割任務的雙分支協同反饋網絡架構（DBCF-Net），在提升邊緣解析精度與交互效率方面表現出顯著優勢。
遙感圖像的精確分割對于土地利用監測、城市規劃與環境變化分析具有重要意義。然而，受制于場景復雜性、邊界模糊性及用戶交互效率等因素，當前交互式分割方法在處理遙感圖像時仍面臨諸多挑戰，特別是在保持邊緣清晰度與響應用戶提示信息方面表現不佳。
為此，研究團隊提出了一種雙分支協同反饋網絡（DBCF-Net），通過構建全局語義提取分支與邊緣信息增強分支，實現對圖像多尺度語義與細粒度邊界信息的聯合建模。所引入的反饋校正融合機制（FCFI）可在深層語義特征中有效保留并動態更新用戶交互提示，顯著提升了分割結果的精度與交互效率。該機制利用局部特征相似性實現區域精修，并通過通道級信息融合增強全局特征表達能力，從而在復雜場景中保持分割的穩定性與一致性。
研究團隊進一步采用多源混合訓練與精調策略提升模型的泛化能力，并在WHU、Inria與Potsdam等多個遙感數據集上進行實證評估。實驗結果表明，DBCF-Net在NoC@90等關鍵指標上優于RITM等主流方法，最高提升達38.9%。此外，研究團隊還對該模型在醫學圖像交互標注、地質勘探與城市結構提取等任務中的可遷移性進行了初步探索，結果顯示其具備良好的適應性與實用潛力，展現出廣闊的應用前景。
理學院本科生沈柄志、霍芃宇為論文共同第一作者，青年教師李鑫偉為論文通訊作者，劉巖明、王宇浩、李子昊、李銘琛參與了此項研究。
本研究得到了中央高校基本科研業務費（BLX201610）、北京林業大學北京市級本科生創新創業訓練計劃（202310022101）等項目的支持。
