Para resolver o problema da precisão limitada na segmentação de instâncias em imagens de sensoriamento remoto devido à complexidade do cenário de fundo, distribuição densa de alvos e diferenças de escala, propõe-se um algoritmo de segmentação de imagens de sensoriamento remoto voltado para percepção global e aprimoramento de características multiescala. Um módulo de mistura de percepção local e global foi projetado, construindo caminhos paralelos de características nos domínios espacial e de frequência. O ramo espacial captura adaptativamente detalhes das bordas dos alvos por meio de grupos de convolução deformáveis multiescala; o ramo de frequência utiliza a transformada de Fourier para desacoplar componentes globais de frequência. Esse módulo aprimora efetivamente a capacidade de discriminação das características em cenas complexas com sobreposição e ocultação. Propõe-se um mecanismo híbrido de autoatenção convolucional que, mantendo a precisão na extração de características geométricas locais, melhora a robustez do algoritmo para segmentação de alvos multiescala. Usando um módulo de espaço de estado aprimorado estruturalmente, realiza-se a agregação multidimensional da informação espacial, fortalecendo a expressão das características e a precisão da segmentação de pequenos alvos em fundos complexos. Introduz-se uma função de perda deslizante de média móvel exponencial, que ajusta dinamicamente a distribuição de pesos em tempo real por meio de um mecanismo de ponderação deslizante, aliviando efetivamente o viés de otimização causado pelo desequilíbrio de classes. Os resultados experimentais nos conjuntos de dados ISAID e NWPU VHR-10 mostram que o algoritmo proposto alcança <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> de 65,2% e 68,3%, equilibrando bem a precisão da segmentação e o número de parâmetros, superando muitas algoritmos avançados em desempenho geral.

imagens de sensoriamento remoto; segmentação de instância; modelo de espaço de estado; características multiescala; fusão de características espaciais e de frequência