Точное извлечение поверхностных водных объектов имеет важное значение для предотвращения наводнений, снижения ущерба и планирования водных ресурсов. Однако из-за различий в пространственных масштабах рек, озёр и их притоков традиционные алгоритмы извлечения на основе единого масштаба часто не могут полностью захватить информацию о водных объектах, что приводит к упущению деталей границ и затрудняет эффективное распознавание водных объектов малого масштаба. В связи с этим предложена сеть кодирования-декодирования с объединением многомасштабных признаков (Multi-Scale Feature Fusion Encoding-Decoding Network, MSFFEDN), которая эффективно извлекает семантическую информацию на разных масштабах и обеспечивает автоматическое извлечение сложных и разнообразных поверхностных водных объектов. Использованы спутниковые изображения GF-3 в качестве источника данных. Общая точность извлечения водных объектов с помощью метода MSFFEDN составляет 90.42%, что превосходит методы опорных векторов (Support Vector Machine, SVM), случайного леса (Random Forest, RF), U-Net, U-Net-ResNet34 и модели WENet (Waterline Extraction Net). Модель MSFFEDN всесторонне учитывает семантическую информацию разных масштабов, предоставляя новый взгляд на извлечение поверхностных водных объектов.

извлечение поверхностных водных объектов;SAR;объединение многомасштабных признаков;MSFFEDN;GF-3