双分支Mamba道路提取网络

边界清晰结构连续

融合频率驱动建模与双分支架构,同时捕获道路的精细边缘细节与全局空间依赖,在复杂场景下保持结构连续与边界清晰。

Wang, Zhen · Shen-Ao, Yuan · 72730044 · 许楠 · You, Zhuhong · Huang, Deshuang

IEEE Transactions on Geoscience and Remote Sensing 2025

参数信息

F1分数(CHN6-CUG)
88.38 %
IoU(CHN6-CUG)
79.19 %
F1分数(DeepGlobe)
82.52 %
IoU(DeepGlobe)
70.24 %
F1分数(Massachusetts)
84.15 %
IoU(Massachusetts)
72.64 %

技术优势

边缘更锐利

Fourier重建注意力机制增强高频边界信息,使得提取出的道路边缘锐利清晰,不再模糊。

方向感更强

旋转感知Mamba模块利用多路径状态空间建模,对不同走向的道路结构都具有稳健的方向感知能力。

跨尺度特征对齐好

相位引导的特征融合模块实现高、低频特征的跨尺度对齐与融合,避免特征错位。

边界不模糊

混合损失函数结合二值交叉熵、焦点损失和频率感知损失,显式引导模型关注边缘结构和多频互补信息,从而缓解边界模糊问题。

应用场景