원격 감지 영상의 의미 분할은 도시 변화 탐지, 환경 보호, 지질 재해 인식 등의 분야에서 중요한 역할을 합니다. 현재 원격 감지 건물 추출에서 존재하는 누락 검출, 오탐지, 나무 가림 또는 유사 물체 간섭으로 인한 불완전한 추출 문제를 해결하기 위해, 본 논문에서는 UNet 네트워크를 기반으로 개선된 건물 추출 네트워크인 국부-전역 특성 융합 네트워크 FLGF-UNet(Fusion of Local Global Features Network)을 제안합니다. FLGF-UNet의 병렬 특성 융합 방식은 각 단계의 특성이 세분화된 국부 정보와 전역 의존성을 모두 포함하도록 보장하여, 네트워크가 각 단계의 특성 표현에서 국부 및 전역 정보를 동시에 갖도록 하여 Transformer가 국부 정보 교환에서 가진 한계를 효과적으로 극복하며, 전역 정보 모델링 측면에서는 기존 CNN보다 뛰어납니다. 또한 인코더와 디코더 간의 의미 차이를 보완하기 위해 인코더와 디코더 사이에 상호 융합 모듈 IF(Interactive Fusion)를 추가하여 공간 세부 사항, 전역 컨텍스트 및 의미 특성 융합 효과를 강화합니다. FLGF-UNet의 우수성과 범용성을 검증하기 위해 WHU, Massachusetts 데이터셋 및 중국의 전형적인 도시 건물 데이터셋에서 제안된 네트워크를 U2Net, Swin Transformer, MA-Net, HD-Net 및 RS-Mamba 등과 비교하였습니다. 결과는 FLGF-UNet이 성능 면에서 다른 최신 SOTA 네트워크를 능가하며, 높은 실용적 가치를 지님을 보여줍니다.

원격 감지 영상; 건물 추출; 국부-전역 특성 융합 네트워크; 특성 융합; 상호 융합 모듈