원격 감지 영상은 목표 크기 차이가 크게 나타나고 배경이 복잡하고 다양하며, 지물의 스펙트럼 혼합과 특징 경계 불명확 등의 현상이 존재하여 의미 분할 작업의 난이도를 증가시킨다. 서로 의존하는 특징으로 인해 다양한 조명 조건에서 원격 감지 영상 목표의 의미 분할 어려움 문제를 해결하기 위해, 본 논문에서는 조명 반사 분리를 기반으로 한 원격 감지 영상 의미 분할 모델을 제안하였다. 해당 모델은 조명 반사 분리 네트워크(LRD-Net)와 다중 모달 의미 분할 네트워크(MSS-Net)로 구성된다. 먼저 Retinex 이론을 기반으로 광학 영상에서 조명과 반사 특징을 분해하기 위해 LRD-Net 네트워크를 설계하고, 가중치 공유 트랜스포머(WS-Transformer)를 통해 목표의 전역 및 지역 특징을 추출한다. 둘째, 다중 규모 잡음 모듈을 도입하여 조명 성분을 적응적으로 강화하여 모델의 분리 능력을 향상시키고, 중요 특징 강화 모듈(SE)를 통해 서로 다른 성분 특징 간의 차이 정보를 강조한다. 마지막으로, 에지 특징 추출 모듈(EE)을 사용하여 원격 감지 목표의 에지 인식 능력을 향상시키고, 다중 모달 의미 분할 네트워크(MSS-Net)를 통해 조명 특징과 반사 특징을 융합하여 의미 분할 성능을 향상시킨다. 일반 데이터셋 ISPRS Vaihingen 및 ISPRS Potsdam에서 평가 지표 mIoU는 각각 84.60%와 87.42%에 도달하였다. 실험 결과 본 논문에서 제안한 모델이 원격 감지 영상 의미 분할 작업에서 다른 모델보다 우수함을 보여준다.

의미 분할;영상 분해;Retinex 이론;Transformer