지표 수체의 정확한 추출은 홍수 및 재해 경감, 수자원 계획 등에 중요한 의미가 있다. 그러나 강, 호수 및 그 지류들이 공간적 규모에서 차이가 있기 때문에, 단일 규모 기반의 전통적인 추출 알고리즘은 수체 정보를 포괄적으로 포착하기 어렵고, 경계 세부사항을 놓치기 쉽고 소규모 수체를 효과적으로 식별하기 어렵다. 이에 다중 규모 특징 융합 인코딩-디코딩 네트워크(Multi-Scale Feature Fusion Encoding-Decoding Network, MSFFEDN) 모델을 제안하였으며, 이는 서로 다른 규모의 의미 정보를 효과적으로 추출하여 복잡하고 다양한 지표 수체의 자동 추출을 실현한다. GF-3 원격 탐사 영상을 데이터 소스로 사용하였으며, MSFFEDN 방법을 이용한 수체 추출의 전체 정확도는 90.42%로서, 서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest, RF), U-Net, U-Net-ResNet34 모델 및 WENet(Waterline Extraction Net) 모델 등의 방법보다 우수하다. MSFFEDN 모델은 다양한 규모의 의미 정보를 종합적으로 고려하여 지표 수체 추출에 새로운 관점을 제공한다.

지표 수체 추출;SAR;다중 규모 특징 융합;MSFFEDN;GF-3