배경의 도로, 나무, 그림자 등의 간섭으로 인해 원격탐사 영상 내 건물 분할 경계가 불명확한 문제를 해결하기 위해 프랙탈 기하학 특징을 융합한 Resnet 네트워크를 제안하였다. 제안된 모델은 인코더-디코더 프레임워크를 기반으로 하며, 인코딩 단계에서 프랙탈 사전 융합 희소 공간 피라미드 풀링 모듈(FD-ASPP)을 도입하여 분할 차원을 이용해 원격탐사 영상의 프랙탈 특성을 포착하고 Resnet 네트워크의 기하학적 특징 설명 능력을 강화하였다. 디코딩 단계에서는 심층 분리 합성곱 주의 융합 메커니즘(DSCAF)을 제안하여 상위 및 하위 특징을 효과적으로 융합하고 보다 풍부한 원격탐사 영상의 의미 정보와 위치 세부 정보를 획득하였다. WHU 원격탐사 영상 데이터셋에서의 실험 결과 정확도 0.9448, 재현율 0.9462, F1 점수 0.9455, 평균 교집합비(mIoU) 0.9415를 달성하였다. 제안 모델은 기존 FCN, Segnet, Deeplab V3, U-net, SETR, AlignSeg 등의 건물 원격탐사 의미 분할 모델에 비해 우수한 분할 정확도를 보였으며, 도로, 나무, 그림자 등의 간섭을 효과적으로 극복하여 더 명확한 건물 경계를 얻었다.

원격탐사 영상; 건물 분할; 잔차 네트워크; 프랙탈 차원; 특징 융합