摘要
从多光谱遥感图像中准确分割水体对于水文监测和环境管理至关重要。然而，由于基于三通道RGB的架构与多波段光谱数据之间的维度不匹配，使用预训练模型进行迁移学习仍然具有挑战性。为了解决这个问题，本研究提出了一种新的分割网络，称为智能门控融合网络（IGF-Net），该网络基于双分支特征编码器模块和核心智能门控融合模块（IGFM）构建。IGFM通过级联机制实现了视觉特征和光谱特征的自适应融合，该机制结合了差异与共性并行建模、通道-上下文先验以及自适应温度控制。我们在新构建的Tiangong-2遥感图像水体语义分割数据集上评估了IGF-Net的性能，该数据集包含3776个精心标注的多光谱图像块。综合实验表明，IGF-Net在该数据集上表现出强大且一致的性能，交并比为0.8742，Dice系数为0.9239，显著优于评估的基线方法（如FCN、U-Net和DeepLabv3+）。此外，它在独立的Sentinel-2水体分割数据集上也展现了强大的跨数据集泛化能力。消融研究和可视化分析证实，所提出的融合策略显著提高了分割的准确性和稳定性，尤其是在复杂场景中。placeholder
