リモートセンシング画像において背景シーンの複雑さ、対象の密集分布およびスケール差異によりインスタンスセグメンテーションの精度が制限される問題に対し、グローバル認識およびマルチスケール特徴強化を目的としたリモートセンシング画像セグメンテーションアルゴリズムを提案する。局所・全局認識の混合周波数モジュールを設計し、空間領域と周波数領域の二重並列特徴経路を構築した。空間ブランチはマルチスケール可変形畳み込み群により対象の境界詳細を適応的に捉え、周波数ブランチはフーリエ変換を利用して全局周波数成分をデカップリングする。本モジュールは重なりや遮蔽の複雑な場面における特徴識別能力を効果的に強化する。混合畳み込み自己注意メカニズムを提案し、局所幾何特徴抽出の精度を維持しつつ、マルチスケール対象に対する分割の堅牢性を向上させた。構造強化状態空間モジュールを使用し、空間情報の多次元集約を実現し、複雑な背景下における小対象の特徴表現と分割精度を強化した。指数移動平均を用いたスライディング損失関数を導入し、スライディング動的重み付けメカニズムによりリアルタイムで重み配分を調整し、クラス不均衡による最適化バイアス問題を効果的に緩和した。ISAIDおよびNWPU VHR-10データセットでの実験結果は、提案手法が<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mi>A</mi><msub><mrow><mi>P</mi></mrow><mrow><mn mathvariant="normal">50</mn></mrow></msub></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/81234416-0CD8-4440-BF82-BA22F865EDE9-M001.jpg"/><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/81234416-0CD8-4440-BF82-BA22F865EDE9-M001c.jpg"/></alternatives></inline-formula>においてそれぞれ65.2％および68.3％の性能を達成し、分割精度とパラメータ量のバランスが良く、多くの先進的アルゴリズムより総合的な効果が優れていることを示した。

リモートセンシング画像;インスタンスセグメンテーション;状態空間モデル;マルチスケール特徴;空間・周波数領域特徴融合