DSFC-Net：基于双编码器的空间-频率感知网络用于农村道路提取
计算机视觉与模式识别
2026-02-03 v1
摘要
从高分辨率遥感影像中准确提取农村道路对于基础设施规划和可持续发展至关重要。然而，该任务在农村环境中存在独特挑战，主要包括以下几个方面：由于多样化的地表材料导致的类内变异大、类间可分性差、频繁的植被遮挡破坏空间连续性，以及狭窄的道路宽度加剧了检测难度。现有方法主要针对结构化的城市环境优化，往往在这些场景下表现不佳，因为它们忽略了这些独特特征。为此，我们提出了 DSFC-Net，一种双编码器框架，通过协同融合空间和频域信息来解决上述问题。具体而言，采用 CNN 分支捕获细粒度的道路边界和短程连续性，同时引入新颖的空间-频率混合变换器（SFT）来robust地建模全局拓扑依赖关系，以应对植被遮挡。与标准注意力机制不同 suffer 从频率偏差，SFT 包含一种跨频率交互注意力（CFIA）模块，通过拉普拉斯金字塔策略显式地解耦高频和低频信息。这种设计使空间细节与频率感知的全局上下文能够动态相互作用，有效保留狭窄道路的连通性。此外，提出了通道特征融合模块（CFFM），用于桥接两个分支，通过自适应重校准通道级特征响应，无缝整合局部纹理与全局语义，以实现精确分割。针对 WHU-RuR+、DeepGlobe 和 Massachusetts 数据集进行的全面实验表明，DSFC-Net 在各种农村道路提取任务中优于当前最先进的方法。
引用
@article{arxiv.2602.01278,
title = {DSFC-Net: A Dual-Encoder Spatial and Frequency Co-Awareness Network for Rural Road Extraction},
author = {Zhengbo Zhang and Yihe Tian and Wanke Xia and Lin Chen and Yue Sun and Kun Ding and Ying Wang and Bing Xu and Shiming Xiang},
journal= {arXiv preprint arXiv:2602.01278},
year = {2026}
}