融合多特征与超分辨的农田防护林带遥感语义分割模型OA

农田防护林带在遥感影像中呈现为典型的狭长线状地物,其精确分割因全局上下文依赖强、局部特征微弱而面临严峻挑战。为实现耕地与防护林带的高精度自动化提取,该研究提出一种名为MFF-Net的语义分割模型。首先设计了多特征融合模块,该模块通过空间门控融合机制,自适应整合类Mamba算子的长程依赖建模能力、卷积的局部细节感知能力及傅里叶变换的频域边缘增强能力。同时,引入一种任务导向的超分辨率预处理流程,以提升输入影像质量,辅助模型识别细微地物。在自建农田防护林数据集上的试验结果表明,MFF-Net的耕地与防护林带分割精确率分别为96.42%与82.83%,平均交并比达83.45%,性能超越多种先进模型。消融试验证实,多特征融合策略贡献显著,其中频域特征使防护林带分割交并比提升2.80%。超分预处理作为有效辅助,使防护林带分割交并比进一步大幅提升6.61%。MFF-Net语义分割模型通过融合全局、局部与频域多元特征,能有效应对狭长地物分割挑战,结合超分辨预处理可进一步挖掘模型潜力。该研究为农田林网的精准监测与动态评估提供了一种可选的技术路径。