结合CNN和多尺度视觉状态空间的遥感图像语义分割网络

来源：计算机科学与探索杂志2025年第12期北京时间：

作者：蔺月妮, 汪西莉

单位：陕西师范大学 人工智能与计算机学院，西安 710119

摘要：现有的遥感图像语义分割方法面临显著挑战：基于卷积神经网络（CNN）的方法缺乏远程建模能力，在复杂遥感场景中的分割性能受限；基于Transformer的方法计算复杂度随输入图像尺寸呈平方级增长，难以兼顾分割性能与计算效率。最近，视觉状态空间模型（VSS）因能够以线性计算复杂度建模全局依赖关系而受到广泛关注。针对上述问题，提出了一种结合CNN与VSS的遥感图像语义分割网络，旨在同时兼顾性能与效率。网络由基于CNN构成的编码器和基于VSS的解码器组成，用于建模局部信息并捕获远程上下文依赖关系。引入多尺度深度卷积和坐标注意力机制，构建多尺度前馈网络（MSFFN）替换原始VSS中的前馈网络（FFN），以缓解顺序扫描机制带来的2D图像局部区域空间像素不连续问题，同时增强多尺度特征表示。此外，设计空间通道聚合增强模块（SCAEM），充分融合编码器浅层细节信息和解码器全局语义信息，实现高效特征聚合。使用辅助分割头优化梯度传播和特征学习的方向，促进更准确的分割结果输出。在Vaihingen、Potsdam和LoveDA数据集上与一些先进的语义分割网络进行了对比实验，实验结果表明，提出的网络在这三个公共数据集上的表现优于其他分割网络。

关键词：遥感图像,语义分割,视觉状态空间,多尺度特征,卷积神经网络

基金资助：科技部青藏高原科考专项第二次青藏高原综合科学考察研究项目（2019QZKK0405）；国家自然科学基金（42361056）。