BTSR-Net: Boundary–topology guided structural refinement for high-resolution remote sensing image segmentation

复杂城市场景下高分辨率遥感影像的语义分割常因边界邻域建模不足，导致类别交界处出现模糊、细长结构连续性减弱。针对该问题，提出一种边界—拓扑引导的结构精化网络（BTSR-Net）。BTSR-Net以HRNet-OCR为基础，引入联合边界—距离监督的几何边界距离分支（GBD），以刻画类别边界周围的空间过渡；构建多尺度拓扑引导结构融合（MTSF）模块，以增强细长结构的连通性表征；并设计双流结构精化机制，在由边界距离定义的精化窄带内进行局部残差修正。在ISPRS Potsdam和Vaihingen数据集上的实验表明，该方法在整体分割精度、边界质量和结构连通性方面均有提升。在Potsdam数据集上，BTSR-Net取得84.70%的mIoU、43.17%的mBIoU和81.63%的clDice，分别较基线提高2.91、5.66和3.74个百分点；在Vaihingen数据集上，取得93.94%的mIoU、73.90%的mBIoU和95.46%的clDice，相应提高2.27、9.39和2.12个百分点。结果表明，BTSR-Net对高分辨率遥感影像中结构敏感的语义分割具有有效性。