Um die Herausforderungen der unvollständigen Merkmalsextraktion, unscharfen Rändern und des Ausbleibens kleiner Ziele bei der Segmentierung von hochauflösenden Fernerkundungsbildern zu bewältigen, wird eine detaillierte Segmentierungsmethode für hochauflösende Fernerkundungsbilder vorgeschlagen, die auf der omnidirektionalen rechteckigen Kalibrierung (Omnidirectional Rectangular Calibration Network, ORCNet) basiert. Zunächst wurde ein Modul für den Zustandsraum der omnidirektionalen rechteckigen Kalibrierung (Omnidirectional Rectangular Calibration State Space Module, ORSM) entwickelt, um die geometrische Anpassungsfähigkeit der Merkmale und die Fähigkeit zur Zielbewahrung durch Achtwege-Scans und geometrisch empfindliche Gewichtskalibrierung zu verbessern. Anschließend wurde ein Modul für die Fusion hybrider komplementärer Aufmerksamkeitsfilterung (Complementary Filtering Hybrid Attention Fusion Module, CFHAF) gebaut, um Mechanismen der Aufmerksamkeit auf Kanal-, Raum- und Pixelebene zu fusionieren und eine anpassungsfähige Fusion mehrerer Merkmale zu ermöglichen und das semantische Verständnis zu stärken. Schließlich wurde eine Technik für die optimierte dynamische Punktaufwärtsabtastung (Dynamic Point Upsampling, DySample) implementiert, um die Fähigkeit zur Wiederherstellung von Randdetails zu verbessern, kombiniert mit optimiertem Training mit der gemischten Verlustfunktion Focal-Dice. Experimentelle Ergebnisse zeigten, dass ORCNet auf dem Massachusetts-Buildings-Datensatz einen F1score von 84,64% und einen mIoU von 77,07% erreichte, und auf dem Deepglobe-Road-Datensatz einen F1score von 85,32%, was eine Steigerung um 3,51% gegenüber den Ergebnissen von RSMamba bedeutet. Diese Methode überwindet erfolgreich die Probleme der Fernerkundungssegmentierung und bietet hohe Genauigkeit, starke Stabilität und hervorragendes Potenzial für praktische Anwendungen.

Fernerkundungssegmentierung; Selbstkalibrierende rechteckige Kalibrierung; Zustandsraummodul; Anpassbare Fusion mehrerer Merkmale; Optimierung von Randdetails; Optimiertes dynamisches Punktaufwärtsabtasten