고해상도 원격탐사 영상 분할에서 특징 추출 불완전, 경계 흐림 및 작은 목표 누락 등의 문제를 해결하기 위해 전방향 직사각형 보정을 기반으로 한 고해상도 원격탐사 영상 세부 분할 방법을 제안하고, 전방향 직사각형 보정 네트워크(Omnidirectional Rectangular Calibration Network, ORCNet)를 구축하였다. 먼저, 팔방향 스캔과 기하학적 민감 가중치 보정을 통해 특징의 기하학적 적응성과 목표 보존 능력을 향상시키는 전방향 직사각형 보정 상태 공간 모듈(Omnidirectional Rectangular Calibration State Space Module, ORSM)을 설계하였다. 이후, 채널, 공간 및 픽셀 수준의 주의 메커니즘을 융합하여 다중 스케일 특징의 적응적 융합을 실현하고 의미 인식을 강화하는 보완 필터링 하이브리드 주의 융합 모듈(Complementary Filtering Hybrid Attention Fusion Module, CFHAF)을 구축하였다. 마지막으로, 경계 세부 복원 능력을 최적화하는 동적 점 업샘플링 기법(Dynamic Point Upsampling, DySample)을 융합하고 Focal-Dice 혼합 손실 함수를 결합하여 학습 최적화를 수행하였다. 실험 결과 ORCNet은 Massachusetts buildings 데이터셋에서 F1-score 84.64%, mIoU 77.07%를 달성하였으며, deepglobe-road-dataset에서는 F1-score 85.32%로 RSMamba 대비 3.51% 향상되었다. 본 방법은 원격탐사 분할에 존재하는 문제를 효과적으로 극복하여 높은 정밀도, 강력한 안정성 및 우수한 실제 적용 가능성을 갖는다.

원격탐사 영상 분할; 직사각형 자체 보정; 상태 공간 모델; 다중 스케일 특징 융합; 경계 세부 최적화; 동적 업샘플링