频空双路径建模（FSDPNet）：融合频减Mamba与多尺度频域重建的遥感图像语义分割方法

《IEEE Transactions on Geoscience and Remote Sensing》：Frequency-Spatial Dual-Path Modeling for Remote Sensing Image Semantic Segmentation

　　

摘要：

遥感图像（RSIs）的语义分割长期面临高频信息退化、边界模糊和结构不一致等挑战。为解决这些问题，我们提出了一种频空双路径建模（FSDPNet）范式，实现了整体结构增强和细粒度细节保留。具体而言，我们引入了频减Mamba机制（FRMM），该机制在编码过程中显式解耦并自适应地保留关键的高频和方向性表示。在解码阶段，多尺度频域驱动重建模块（MFRM）利用频域增强和空洞卷积进行渐进式分辨率恢复和精确纹理补偿。此外，SAM（分割任何模型）约束的语义一致性融合模块（SCFM）利用结构先验来强化边界划分并抑制跨尺度的语义模糊性。整体训练由一个复合目标函数指导，联合优化全局语义一致性和局部结构保真度。在多个遥感基准上的大量实验表明，我们的方法 consistently 优于最先进的分割方法，为遥感图像分割的结构完整性和细节保留设定了新标准。所有代码和分割结果将在 https://github.com/darkseid-arch/FSDPNet 上发布。