Um die Genauigkeit und Robustheit der Flusskantenerkennung in Fernerkundungsbildern zu verbessern, wurde eine Methode zur Flusskantenerkennung basierend auf dem verbesserten EDTER-Algorithmus entwickelt. Angesichts der Probleme traditioneller Methoden wie dem Verlust von Kantendetails und Rauschstörungen in komplexen natürlichen Szenen wurde ein anpassungsfähigeres Kantenerkennungsschema vorgeschlagen. Es wird eine zweistufige Kantenerkennungsstruktur mit dem Swin Transformer als Rückgratnetzwerk verwendet, ein Residual-Mehrschicht-Perzeptron zur Verbesserung der Merkmalsdarstellungskapazität eingeführt und ein leichtgewichtiger Multiskalen-Dekodierer zur Steigerung der Erkennungseffizienz entworfen. Die erste Stufe extrahiert globale Bildmerkmale und erzeugt eine globale Kantenkarte; die zweite Stufe extrahiert lokale Merkmale und integriert sie mit den globalen Merkmalen, um das endgültige Kantenerkennungsergebnis zu erzeugen. Vergleichsexperimente wurden auf dem BSDS500-Datensatz und einem selbst erstellten cross-regionalen Flusskanten-Datensatz durchgeführt, die Ergebnisse zeigen, dass die Methode in den drei Metriken ODS, OIS und AP besser ist als gängige Methoden. Der AP-Wert auf dem cross-regionalen Flusskantendatensatz erreichte 0,871, was etwa 3,2 % besser als beim EDTER-Verfahren ist, was zeigt, dass diese Methode in komplexen Fernerkundungsszenarien eine bessere Kantenerfassungsfähigkeit aufweist. Die Methode kann Erkennungsgenauigkeit und Rechenleistung effektiv ausbalancieren, verfügt über eine gute Generalisierungsfähigkeit und ist für die Extraktion von Wasserkanten in verschiedenen Typen von Fernerkundungsbildern geeignet, was einen hohen ingenieurtechnischen Anwendungswert besitzt.

Flusskanten;Kantenerkennung;Fernerkundungsbilder;Swin Transformer;Wasserkörperextraktion