Face aux difficultés d'extraction incomplète des caractéristiques, de flou des bords et de manquement aux petits objets dans la segmentation des images de télédétection à haute résolution, cet article propose une méthode de segmentation détaillée des images de télédétection à haute résolution basée sur l'étalonnage rectangulaire omnidirectionnel (Omnidirectional Rectangular Calibration Network, ORCNet). Tout d'abord, un module d'état d'espace de calibrage rectangulaire omnidirectionnel (Omnidirectional Rectangular Calibration State Space Module, ORSM) a été conçu pour améliorer l'adaptabilité géométrique des caractéristiques et la capacité de maintien des objectifs par numérisation huit directions et calibrage de poids géométriquement sensible. Ensuite, un module de fusion d'attention hybride complémentaire de filtrage (Complementary Filtering Hybrid Attention Fusion Module, CFHAF) a été construit pour fusionner les mécanismes d'attention aux niveaux des canaux, de l'espace et des pixels, permettant une fusion adaptative des caractéristiques multi-échelles et renforçant la perception sémantique. Enfin, une technique d'optimisation de sur-échantillonnage dynamique des points (Dynamic Point Upsampling, DySample) a été intégrée pour améliorer la capacité de restauration des détails des bords, combinée à une formation optimisée avec la fonction de perte mixte Focal-Dice. Les résultats expérimentaux ont montré que l'ORCNet atteint un F1score de 84,64% et un mIoU de 77,07% sur l'ensemble de données Massachusetts buildings, et un F1score de 85,32% sur l'ensemble de données deepglobe-road-dataset, surpassant de 3,51% les résultats de RSMamba. Cette méthode surmonte avec succès les problèmes de segmentation de la télédétection, offrant une précision élevée, une grande stabilité et un excellent potentiel d'application pratique.

Segmentation des images de télédétection; Étalonnage rectangulaire autocorrectif; Module d'état d'espace; Fusion adaptative des caractéristiques multi-échelles; Optimisation des détails des bords; Sur-échantillonnage dynamique des points