リモートセンシング画像のセマンティックセグメンテーションは、都市変化検出、環境保護、地質災害認識などの分野で重要な役割を果たしています。現在のリモートセンシングによる建物抽出において、検出漏れや誤検出、樹木の遮蔽や類似物体の干渉による不完全な抽出などの問題に対し、本論文ではUNetネットワークに基づく改良型建物抽出ネットワーク—局所・全局特徴融合ネットワークFLGF-UNet（Fusion of Local Global Features Network）を提案します。FLGF-UNetの並列特徴融合方式は、各段階の特徴が細粒度な局所情報と全局的な依存関係を含むことを保証し、ネットワークが各段階の特徴表現において局所情報と全局情報を同時に保持できるようにし、Transformerが局所情報交換において抱える課題を効果的に克服し、かつ全局情報のモデリングにおいて従来のCNNより優れています。さらに、エンコーダーとデコーダー間のセマンティックギャップを補うために、エンコーダーとデコーダー間にインタラクティブフュージョン(IF)モジュールを導入し、空間ディテール、全局コンテキストおよびセマンティック特徴の融合効果を強化しています。FLGF-UNetの優越性と汎用性を検証するために、WHU、Massachusettsデータセット、中国の代表的な都市建築物データセットにおいて、提案ネットワークをU2Net、Swin Transformer、MA-Net、HD-Net、RS-Mambaなどと比較しました。結果は、FLGF-UNetが性能面で他のSOTAネットワークを上回り、高い実用価値を有することを示しています。

リモートセンシング画像;建物抽出;局所・全局特徴融合ネットワーク;特徴融合;インタラクティブフュージョンモジュール