文件大小：5.66M
高分辨率遥感影像地块图斑智能识别是对象级遥感信息提取的难点。文章在总结现有分割算法基础之上，构建了由上而下的先识别-再分割的技术框架，提出了局部聚焦算法辅助标记的高分辨率影像地块智能识别方法（Local Focus Aided Segmentation, LFAS）。首先采用YOLO主干网络对高分辨遥感影像地块进行特征提取与融合，获取特征图的语义信息和位置信息，进而预测出包含地块目标的多个预测框；然后根据非极大值抑制去除冗余预测框，获取目标终极预测框的中心点坐标位置；在此基础上将中心点坐标作为辅助标记，并以位置编码形式映射至多维特征空间；最后联合原始影像嵌入SAM解码器生成最终的地块分割结果，完成待检测遥感影像中目标地块的提取。结果表明：LFAS提取识别准确率（PA）高达91.15%，交并比（IoU）为89.62%，完整度Cp达到87.42%，边界线提取质量为80.39%，地块边界线提取结果与地块实际空间形态贴合。LFAS农田地块智能识别精度（PA）较SegFormer提升了2.73个百分点，交并比（IoU）提升了3.01个百分点，边界线提取质量提升了3.55个百分点。以上结果表明，LFAS增强了地块分割模型的区域适应性，精度及边缘质量提升显著，方法通用性较强，全流程基本无需人工干预，为高空间分辨率遥感影像地块精确分割提供了一种可行的方法。
