FSDENet：基于频率域与空间域的遥感图像语义分割细节增强网络
计算机视觉与模式识别
2025-10-02 v1 人工智能
摘要
为充分利用遥感图像分割中的空间信息，并解决由灰度变化（如阴影和低对比度区域）引起的语义边缘模糊问题，本文提出了基于频率域与空间域的细节增强网络（FSDENet）。该框架采用空间处理方法提取丰富的多尺度空间特征和细粒度语义细节。通过在全局映射中有效地结合全局与频率域信息（运用快速傅里叶变换，FFT），显著增强了模型在灰度变化条件下辨别全局表示的能力。此外，本文利用海拉小波变换将特征分解为高频和低频成分，利用其对边缘信息敏感性的差异，对边界分割进行细化。该模型通过将空间细粒度与频率域边缘灵敏度相结合，实现了双域协同，显著提高了边界区域和灰度过渡区的分割精度。综合的实验结果表明，FSDENet 在四个广泛采用的数据集上实现了最先进（SOTA）性能：LoveDA、Vaihingen、Potsdam 和 iSAID。
引用
@article{arxiv.2510.00059,
title = {FSDENet: A Frequency and Spatial Domains based Detail Enhancement Network for Remote Sensing Semantic Segmentation},
author = {Jiahao Fu and Yinfeng Yu and Liejun Wang},
journal= {arXiv preprint arXiv:2510.00059},
year = {2025}
}
备注
Accepted for publication by IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing