基于语义分割的遥感地物提取研究综述.docVIP

基于语义分割的遥感地物提取研究综述

一、引言

遥感技术通过卫星、航空等平台获取地表覆盖的高分辨率影像，已成为国土资源调查、城市规划、生态环境监测、灾害应急响应等领域不可或缺的核心数据源。随着遥感传感器技术的迭代，当前高分系列、WorldView系列等传感器获取的影像空间分辨率已达到亚米级，光谱维度覆盖可见光、红外、高光谱等多个波段，时间分辨率也随着小卫星星座的组网持续提升，单日重访能力逐渐普及。海量多模态遥感数据的涌现，对自动化、高精度的地物信息提取技术提出了迫切需求。语义分割作为计算机视觉领域中实现像素级类别预测的核心技术，其将遥感影像中的每个像素标记为对应地物类别的特性，恰好适配了遥感地物提取的任务需求，近年来成为遥感信息处理领域的研究热点。

二、传统语义分割方法在遥感地物提取中的应用

在深度学习技术普及之前，遥感地物提取主要依赖传统机器学习与图像处理方法，核心思路是通过人工设计特征提取算子捕获地物的光谱、纹理、形状等特性，再结合分类器实现像素级标注。

基于阈值的分割方法是最早应用于遥感影像处理的技术之一，其通过设定不同波段的灰度阈值区分地物类别，对于水体、植被等光谱特征差异显著的地物具有实现简单、运算速度快的优势。例如，归一化水体指数（NDWI）通过绿光波段与近红外波段的比值运算，能够有效抑制植被和建筑区域的干扰，快速提取水体范围，至今仍被广泛应用于洪涝灾害监测、水域面积调查