近日，理学院林草数据处理团队李鑫伟课题组在遥感领域二区期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（影响因子：4.7）上发表了题为“DBCF-Net: Enhanced Interactive Remote Sensing Image Segmentation With a Dual-Branch Network and Collaborative Feedback Integration”的研究论文。该研究提出了一种面向遥感图像交互式分割任务的双分支协同反馈网络架构（DBCF-Net），在提升边缘解析精度与交互效率方面表现出显著优势。
遥感图像的精确分割对于土地利用监测、城市规划与环境变化分析具有重要意义。然而，受制于场景复杂性、边界模糊性及用户交互效率等因素，当前交互式分割方法在处理遥感图像时仍面临诸多挑战，特别是在保持边缘清晰度与响应用户提示信息方面表现不佳。
为此，研究团队提出了一种双分支协同反馈网络（DBCF-Net），通过构建全局语义提取分支与边缘信息增强分支，实现对图像多尺度语义与细粒度边界信息的联合建模。所引入的反馈校正融合机制（FCFI）可在深层语义特征中有效保留并动态更新用户交互提示，显著提升了分割结果的精度与交互效率。该机制利用局部特征相似性实现区域精修，并通过通道级信息融合增强全局特征表达能力，从而在复杂场景中保持分割的稳定性与一致性。
研究团队进一步采用多源混合训练与精调策略提升模型的泛化能力，并在WHU、Inria与Potsdam等多个遥感数据集上进行实证评估。实验结果表明，DBCF-Net在NoC@90等关键指标上优于RITM等主流方法，最高提升达38.9%。此外，研究团队还对该模型在医学图像交互标注、地质勘探与城市结构提取等任务中的可迁移性进行了初步探索，结果显示其具备良好的适应性与实用潜力，展现出广阔的应用前景。
理学院本科生沈柄志、霍芃宇为论文共同第一作者，青年教师李鑫伟为论文通讯作者，刘岩明、王宇浩、李子昊、李铭琛参与了此项研究。
本研究得到了中央高校基本科研业务费（BLX201610）、887700葡京线路检测，888葡京集团检测线路，必赢76net线路官网北京市级本科生创新创业训练计划（202310022101）等项目的支持。
