西京网讯：近期，遥感领域知名期刊《IEEE Transactions on Geoscience and Remote Sensing》刊登电子信息学院人工智能教研室教师王振博士的学术成果“隐藏特征引导的遥感图像语义分割网络”（Hidden Feature-Guided Semantic Segmentation Network for Remote Sensing Images）。《IEEE Transactions on Geoscience and Remote Sensing》期刊创刊于1963年，由IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC出版商出版，在行业细分领域中学术影响力较大，专业度认可很高。该刊目前中科院分区工程技术大类一区，Top期刊，JCR分区一区期刊，影响因子为8.125。电子信息学院教师王振博士是论文第一作者，张善文教授是合作作者之一。西京学院电子信息学院为论文的第一署名单位。

文章指出，对于遥感图像的语义分割，卷积神经网络(CNNs)已被证明是强有力的工具。然而，现有的基于CNN的方法存在特征信息丢失、受杂波信息干扰严重、忽略不同尺度特征之间的相关性等问题。针对这些问题，该项工作提出了一种隐藏特征引导的遥感图像语义分割网络(HFGNet)，通过分层提取和融合有价值的特征信息来实现精确的语义分割。所提出方法，引入隐藏特征提取模块(HFE-M)来抑制显著特征表示，以挖掘更有价值的隐藏特征。同时，多特征交互融合模块(MIF-M)建立不同特征之间的相关性，实现层次化特征融合。构建多尺度特征校准模块(MSFC)，增强层次化融合特征的多样性和精细化表示。此外，设计了局部通道注意力机制(LCA-M)，提高了目标区域的特征感知能力，抑制了背景信息干扰。该项工作对于人工智能在空天信息智能解译方面的应用具有重要意义。

王振，西京学院电子信息学院专任教师。主要从事模式识别、数据挖掘、图像处理等相关领域的理论与应用研究。围绕空天信息一体化感知、多模态数据认知、遥感数据挖掘等实际应用中的鲁棒性和泛化性问题展开深入研究。探索鲁棒低秩模型、鲁棒视觉表征模型、鲁棒矩阵分解、鲁棒神经网络等复杂模型的运行机理，相关研究成果提高了对复杂影像（可见光、高光谱、多光谱、合成孔径等）处理的泛化性能与智能化水平。目前已在SCI检索期刊发表论文30余篇，其中中科院一区论文12篇，二区论文10篇，均为TOP期刊。