Para resolver os problemas de atenuação de detalhes, desfoque de bordas e distorção de objetos estruturais em modelos Transformer devido a múltiplos downsamplings na segmentação semântica de imagens de sensoriamento remoto de alta resolução, este artigo propõe uma rede de refinamento em cascata orientada para imagens de sensoriamento remoto de alta resolução. A rede utiliza o Swin-Transformer como codificador backbone, e na etapa de decodificação constrói sequencialmente módulos de agregação dual de características, módulo dinâmico de fusão wavelet para upsampling e módulo de percepção da estrutura geométrica. O módulo de agregação dual melhora a complementaridade entre características de múltiplas camadas por meio da modelagem cooperativa de canal e espaço, o módulo dinâmico de fusão wavelet utiliza fusão adaptativa de múltiplas bases wavelet para reconstrução no domínio da frequência e recuperação de detalhes, enquanto o módulo de percepção da estrutura geométrica combina priors de estrutura de grafo e modelagem espacial multiescala para calibração geométrica das características finais, aprimorando a clareza das bordas e a integridade dos alvos. Nos conjuntos de dados ISPRS Potsdam, ISPRS Vaihingen e LoveDA, a média da interseção sobre a união alcançou 87,13%, 83,86% e 54,26%, respectivamente. O método demonstra bom desempenho na caracterização de contornos complexos de edifícios, preservação de pequenos alvos e tarefas de segmentação entre cenas, validando a eficácia da estratégia em cascata de refinamento do decodificador para mitigar a degradação progressiva das características e melhorar a qualidade da segmentação de imagens de sensoriamento remoto.

segmentação semântica;sensoriamento remoto;transformada wavelet;extração de características;detecção de bordas