Семантическая сегментация дистанционного зондирования играет важную роль в обнаружении изменений в городах, охране окружающей среды, распознавании геологических опасностей и других областях. В ответ на существующие проблемы пропусков и ложных срабатываний при извлечении зданий с данных дистанционного зондирования, а также неполное извлечение из-за заслона деревьями или помех от похожих объектов, в данной работе на базе сети UNet предложена усовершенствованная сеть извлечения зданий — сеть с объединением локальных и глобальных признаков FLGF-UNet (Fusion of Local Global Features Network). Параллельный способ слияния признаков в FLGF-UNet обеспечивает, что каждый этап содержит детализированную локальную информацию и глобальные зависимости, позволяя сети одновременно обладать локальной и глобальной информацией на каждом этапе представления признаков, эффективно преодолевая недостатки Transformer в обмене локальной информацией и превосходя традиционные CNN в моделировании глобальной информации. Кроме того, для устранения семантического разрыва между кодировщиком и декодировщиком добавлен модуль интерактивного слияния IF (Interactive Fusion), усиливающий интеграцию пространственных деталей, глобального контекста и семантических признаков. Для подтверждения преимуществ и универсальности FLGF-UNet проведено сравнение предложенной сети с U2Net, Swin Transformer, MA-Net, HD-Net и RS-Mamba на наборах данных WHU, Massachusetts и типичных городских данных по зданиям Китая. Результаты показывают, что FLGF-UNet превосходит другие современные сети по производительности и обладает высокой практической ценностью.

данные дистанционного зондирования;извлечение зданий;сеть объединения локальных и глобальных признаков;слияние признаков;модуль интерактивного слияния