高解像度リモートセンシング画像のセマンティックセグメンテーションにおいて、Transformerモデルが複数回のダウンサンプリングにより詳細の劣化、エッジのぼやけ、および構造的対象の歪みを引き起こす問題に対し、本論文は高解像度リモートセンシング画像向けのカスケード精錬ネットワークを提案する。本ネットワークはSwin-Transformerをバックボーンエンコーダとして用い、デコーダ側においては対偶特徴集約モジュール、動的ウェーブレット融合アップサンプリングモジュール、幾何構造認識モジュールを順次構築する。対偶特徴集約モジュールはチャネルと空間の協調モデリングにより多層特徴の補完性を強化し、動的ウェーブレット融合アップサンプリングモジュールは複数のウェーブレット基底の適応的融合を用いて周波数領域の再構成と詳細復元を実現する。幾何構造認識モジュールはグラフ構造事前知識とマルチスケール空間モデリングを組み合わせて最終特徴を幾何補正し、境界の鮮明さと対象の完全性を向上させる。ISPRS Potsdam、ISPRS Vaihingen、LoveDAデータセットにおいて本ネットワークの平均交差率（IoU）はそれぞれ87.13％、83.86％、54.26％に達した。本手法は複雑な建築物輪郭の描写、小さな対象の維持、シーン間セグメンテーションタスクにおいて良好な性能を示し、段階的な特徴劣化を緩和しリモートセンシング画像のセグメンテーション品質を向上させるカスケードデコーダ精錬戦略の有効性を検証した。

セマンティックセグメンテーション;リモートセンシング;ウェーブレット変換;特徴抽出;エッジ検出