LECloud：基于窗口状态空间模型和轻量级注意力机制的高效云与云阴影分割方法 作者：卢傲，王俊哲，郭腾越，王志伟，夏敏

《Remote Sensing》：LECloud: Efficient Cloud and Cloud-Shadow Segmentation Based on Windowed State Space Model and Lightweight Attention Mechanism Ao Lu, Junzhe Wang, Tengyue Guo, Zhiwei Wang and Min Xia

　　**亮点与主要发现：**

- 提出了一种高效的云分割网络LECloud，该网络整合了窗口化状态空间模型（LocalMamba）和轻量级通道注意力机制（ECA-Net）；
- 通过减少7.7%的参数数量和提高9.4%的推理速度，实现了效率优化，同时几乎保持了原有的准确性，验证了窗口化模型和轻量级注意力机制的有效性。

**主要发现的意义：**

- 在GPU内存和计算资源有限的条件下，该模型提供了良好的准确性-效率平衡，这一点在特定的工作站级GPU上得到了验证；
- 由于缺乏嵌入式边缘或板载部署的实验验证，这部分工作被列为未来的研究方向，这与引言中的内容一致；
- 该模型在多个遥感数据集上表现出较强的泛化能力和鲁棒性，为未来高效遥感分割架构的研究提供了重要的实证参考。

**摘要：**

精确的云和云阴影分割是光学遥感图像预处理中的关键步骤，在土地覆盖分类和变化检测等后续应用中起着重要作用。然而，云/阴影形状的复杂性以及噪声干扰（如雪、冰、建筑物、复杂背景和大气光学效应）使得这一任务变得具有挑战性。尽管现有的深度学习方法在云分割任务中取得了显著成果，但在计算效率和分割精度之间仍需寻找更好的平衡。传统的深度学习模型由于具有局部特征提取能力和空间不变性而在细节表示和泛化能力方面表现良好，但在处理全局上下文信息时较为薄弱，导致在复杂场景中出现误判。基于状态空间模型的编码器（如VMamba）可以通过长距离依赖性建模有效捕捉全局上下文，但计算效率仍有提升空间。此外，复杂的注意力机制（如CBAM）可以提高特征表示能力，但大量的参数限制了模型的部署效率。本文系统性地研究了MCloudX云分割网络，从三个方向探索了效率与精度之间的平衡：骨干网络现代化、编码器效率优化和注意力机制轻量化。通过对SPARCS和L8-Biome数据集的全面消融实验，我们系统评估了各组分的独立和协同效应，并在Biome_3和SPARCS数据集上进行了验证。实验结果表明，所提出的优化配置（ResNet50+LocalMamba+ECA-Net）在保持与基线相当准确性的同时，显著提高了计算效率。我们将这种优化配置命名为LECloud，为未来高效遥感分割架构的研究提供了宝贵的实证参考。

**1. 引言：**

云和云阴影是光学遥感图像处理中的主要干扰因素，直接影响表面观测的准确性。据统计，地球表面约有67%的区域在任何时候都被云层覆盖[1]，因此精确的云和云阴影分割是遥感图像预处理中的关键步骤。准确的云分割不仅提高了后续任务（如土地利用分类、植被监测和灾害评估）的精度，还显著减轻了后续数据处理的计算负担。早期的云检测方法主要基于光谱阈值和机器学习方法，这些方法依赖于手工制作的特征，在复杂场景中的泛化能力有限。随着深度学习技术的快速发展，基于卷积神经网络（CNN）的云分割方法取得了显著进展[2]。

深度学习在语义分割领域的快速发展为云分割提供了坚实的技术基础。Long等人提出的全卷积网络（FCN）首次实现了端到端的像素级预测[3]。U-Net[4]采用了带有跳跃连接的对称编码器-解码器结构，有效提高了分割边界的精度[5]。为了更好地利用多尺度上下文信息，研究人员提出了PSPNet[6]和DeepLab系列[7,8]等方法。近年来，编码器-解码器架构（如U-Net及其变体）已成为遥感图像分割的主流方法。

云和云阴影的联合映射受到相互关联的外观特征的复杂影响：阴影与其投射云 physiologically 相关联，并且在某些波段中与暗植被、水体或地形共享模糊的反射特性，因此这两个类别具有部分冗余的光谱线索，必须通过互补的通道和空间上下文来消除歧义[9,10,11,12,13]。基于物理规则的管道和基于对象的流程将几何约束从云对象明确传播到阴影区域[9,14]；而深度混合模型则通过多分支编码和融合来分离冗余响应[15]。对于边界处理，传统的浅层方法结合光谱测试和边缘滤波器或MRF/CRF风格的平滑处理；现代CNN通过高分辨率跳跃[4]、多尺度空洞化/上下文聚合[8]以及强调轮廓特征的边界感知或双流头[16]来提高定位精度。我们的架构研究基于此背景：我们没有引入专门的边界子网络，而是依赖于跳跃引导的解码、密集的跨尺度融合以及一种Dice增强目标函数，该目标函数有助于在标签稀疏或碎片化的情况下锐化类别边界（第3节）。

在遥感云分割领域，近年来出现了一系列专门设计的深度学习方法[11,12,17,18,19]。MCloudX[13]结合了ResNet50[20]骨干网络、VMamba编码器和CBAM注意力机制，在多个基准数据集上取得了最先进的性能。然而，尽管现有方法追求分割精度，但它们通常需要大量的计算资源，这激发了对适合边缘环境的设计和面向部署的效率分析的兴趣[21,22,23]。在本研究中，我们报告了在受控服务器端设置下的延迟、吞吐量和GPU内存使用情况；对嵌入式边缘硬件的系统验证留待未来的工作。

尽管Transformer架构[24,25]通过自注意力机制在自然语言处理领域取得了革命性突破，Vision Transformer (ViT)[26]将其引入计算机视觉，但由于卷积神经网络具有归纳偏差和计算效率优势，它们仍然保持着重要的地位。Swin Transformer[27,28]通过使用窗口化自注意力进一步降低了注意力计算的复杂性，并实现了对图像大小的线性扩展。ResNet[20]通过残差连接解决了深度网络中的梯度消失问题。ConvNeXt[29]系统地“现代化”了ResNet架构，在ImageNet分类任务上的性能与Swin Transformer相当。ConvNeXt V2[30]进一步引入了全局响应归一化（GRN）层，提高了分类性能。然而，是否能在自然场景数据集（如ImageNet）上表现出色的架构可以直接应用于特定领域任务（如遥感云分割）仍然是一个值得探索的问题。除了记录ConvNeXt V2取代ResNet50时的准确性差距外，我们还通过针对GRN和反向瓶颈扩展比的消融实验分离了相关因素（第3节）。一些研究开始探索结合CNN和Transformer优势的混合架构[31,32]。

注意力机制在语义分割任务中扮演着重要角色[33,34]。从SENet[35]的通道注意力到CBAM[36]的双重机制，注意力模块不断发展[37,38]。在地球观测领域，最近的研究包括高光谱变换器中的中心式光谱-空间注意力[39,40]、为云和云阴影分割量身定制的多分支注意力融合[41]，以及当像素级标签稀少时的高光谱语义分割框架SegHSI[42]。ECA-Net[43]通过极其简单的1D卷积设计实现了高效的通道注意力，仅使用CBAM参数的5%就保持了相当的性能，这对于资源受限的遥感处理流程非常有吸引力。

状态空间模型（SSM）作为一种新的序列建模架构，在近年来展现了巨大潜力。Mamba[44]通过选择性扫描机制实现了线性复杂度的长序列建模。VMamba[45]使状态空间模型能够更自然地处理2D视觉数据。最近的工作将状态空间模型扩展到了遥感应用中[46,47,48]。然而，VMamba的全局扫描机制导致了较高的计算复杂性，限制了其在高分辨率遥感图像处理中的应用。LocalMamba[49]通过在局部窗口内进行选择性扫描，在保持全局建模能力的同时显著提高了计算效率。

尽管准确性不断提高，现有方法仍面临三个主要挑战：首先，如ResNet50这样的经典网络参数数量庞大，限制了推理速度；其次，全局状态空间模型的计算复杂性随图像尺寸的增加而呈二次方增长，导致在高分辨率图像处理中的效率低下；最后，如CBAM这样的注意力模块包含大量参数，增加了模型的存储负担。此外，大多数现有的云分割方法都是为特定数据集设计和优化的，缺乏对架构组件的系统评估和迁移性分析。

**实验设计的目的和意义：**

本文追求两个互补的评估目标。首先是了解各个组件的作用：在SPARCS和L8-Biome数据集上进行的受控消融实验，研究了骨干网络选择、窗口化状态空间建模和轻量级注意力在训练和测试分布一致时的准确性、FLOPs（浮点运算次数）和吞吐量影响。其次是实际应用的相关性：在实践中，模型通常应用于新传感器、季节和表面类型的图像数据，这些数据可能在原始训练数据集中代表性不足。因此，我们没有特别定制Biome_3训练方案，而是将其作为一个分布外的基准测试场景，其中地质驱动的亮色土壤、稀疏植被和破碎的云场经常共存。结果部分中的定性泛化分析突出了这种混合土壤和云的分布情况——这种情况在农业、干旱地区和区域镶嵌地图中非常重要，因为在阳光照射的裸地上空常伴有稀疏或零散的云层，而浅层CNN容易将土壤亮度误判为雾或云边缘。事实证明，以效率为导向的配置仍然可以在这些数据集中生成空间连贯的云和阴影掩膜，这表明架构上的优化并不必然以牺牲跨领域的鲁棒性为代价；这也明确了在单一基准测试中取得的优势是否可以转移到异构环境中的安全部署上。

本文提出的多分支网络由卷积网络和状态空间模型分支组成，采用了编码器-解码器结构。图1展示了整体布局：示意图包括ResNet-50和ConvNeXt V2 Tiny块（后者用于骨干网络消融），四个编码器阶段（MCloudX基线（VMamba、CBAM）与LECloud（LocalMamba、ECA-Net），以及带有跳跃连接的解码器。在编码器中，我们使用ResNet-50作为默认的卷积骨干网络，LocalMamba作为状态空间模型编码器。卷积结构具有平移尺度和失真不变性，能够有效提取局部和低级信息；状态空间模型具有长距离依赖性建模和全局上下文捕捉能力，能够有效提取全局和高级语义信息。这种方法有效地结合了两个分支的优势。为了特征融合，我们设计了融合模块，将LocalMamba和ResNet分支在每个阶段提取的全局和局部特征结合起来。在解码器中，我们充分利用了两个分支提取的不同层次的特征来指导解码，从而有效融合了语义信息和空间位置信息。具体来说，我们设计了一个跨波段融合（CBF）模块，通过注意力机制将多个辅助光谱信息整合到可见光通道中。我们根据ResNet和LocalMamba的双分支结构、融合模块以及跨波段融合模块CBF将网络命名为LECloud，其中L代表LocalMamba（窗口化状态空间模型编码器），E代表ECA-Net（轻量级通道注意力机制）。

我们还在上述相同的泛化协议下对Biome_3数据集评估了我们的网络；定性比较结果在第3节中报告。图1展示了整体的LECloud/MCloudX编码器-解码器架构。左侧：示意图显示了CNN块——ResNet-50（瓶颈、BN/ReLU、残差），默认的LECloud骨干网络，以及ConvNeXt V2 Tiny（DW、LN、扩展、GELU、GRN、压缩、残差）用于骨干网络消融；图2详细展示了ConvNeXt块。编码器包含四个层次——每个层次的深度标签遵循ResNet-50的方案（ConvNeXt Tiny使用自己的块计数，但融合模式相同）。在每个阶段，VMamba/CBAM表示MCloudX基线，LocalMamba/ECA-Net表示LECloud。解码器（绿色）通过对Skip1–Skip3进行⊕操作进行上采样和合并。CFF、CBF、CLF和CHF在第2.5节中有定义，在示意图中省略。颜色约定：蓝色/橙色分支表示卷积/状态空间流，绿色表示解码器流；箭头表示特征传播。

**图2. ConvNeXt V2块结构示意图**：该模块包含大核深度可分离卷积用于局部感受野扩展， followed by channel-wise LayerNorm、点卷积用于通道扩展（反向瓶颈）、GELU激活、全局响应归一化GRN，然后通过点卷积进行通道压缩以恢复尺寸，最后通过残差连接进行正则化。箭头表示数据通过每个操作器的流动方向。

本文的主要贡献如下：

1. 本文系统性地研究了MCloudX云分割网络，从三个方向探索了效率与精度之间的平衡。首先，在骨干网络现代化方面，我们探讨了用ConvNeXt V2替代ResNet50的可行性，评估了现代卷积架构在遥感密集预测任务中的适用性。其次，在编码器效率优化方面，我们将VMamba升级为窗口化的LocalMamba，在报告mIoU与FPS时使用它作为跨数据集的默认设置，并比较常规窗口划分与移位窗口划分（Swin风格）以减轻边界效应。最后，在注意力机制轻量级化方面，我们用ECA-Net替代CBAM，通过1D卷积实现轻量级的通道注意力，同时保持特征选择能力并减少参数。与现有云分割网络中的简单组件替换不同，我们通过严格的消融实验系统地评估每个组件的独立和协同效应。实验结果表明，在匹配的设置下，LocalMamba在mIoU上仅有小幅变化的情况下显著提高了推理速度。ECA-Net大幅减少了注意力模块的参数，同时保持了分割性能。基于这些发现，所提出的配置（ResNet50+LocalMamba+ECA-Net）在计算效率上得到了提升，同时在SPARCS上的准确性与基线相近，并在其他设置中实现了有利的准确性与效率权衡，支持以部署为导向的使用场景。在Biome_3上的离分布评估进一步将这些设计选择与混合土地覆盖和土壤-云场景下的迁移联系起来。本研究通过系统的消融实验为遥感分割架构设计提供了实证指导。我们发现，当窗口几何形状和移位选择得当时，窗口化的状态空间模型可以在效率和准确性之间取得平衡；轻量级的通道注意力通常足以用于云分割；而主干网络的现代化需要特定领域的验证。通过GRN和倒置瓶颈消融对ConvNeXt V2的剖析进一步阐明了哪些以ImageNet为导向的归纳偏见在 dense cloud 预测中的迁移效果不佳。这些结果共同突显了在不进行适应的情况下迁移分类主干网络的局限性，并为未来的高效遥感分割架构提供了参考。

2. 材料与方法
我们在MCloudX风格的多分支编码器-解码器基础上进行研究，并探索了面向效率的变体。LECLOUD保留了ResNet-50卷积编码器和基线的CFF/CBF/CLF/CHF融合拓扑结构，用窗口化的LocalMamba替换了全局VMamba堆栈，并在同一融合点用ECA-Net替换了CBAM。图1总结了整个流程：左侧面板比较了ResNet-50瓶颈（默认）和用于主干网络消融的ConvNeXt V2 Tiny块；编码器阶段显示了每个尺度上的VMamba/CBAM（基线）与LocalMamba/ECA-Net（LECLOUD），后面跟着一个跳跃连接的解码器。在主干网络现代化消融中，我们将ResNet-50替换为ConvNeXt V2 Tiny，同时保持LocalMamba、解码器和融合块不变；第3节报告了这种替换何时有帮助或有害，并分析了GRN和倒置瓶颈宽度的影响。双分支设计将局部CNN特征与序列建模结合在空间布局中，而CFF/CBF/CLF/CHF则路由多尺度和多光谱线索；ECA-Net提供了轻量级的通道门控，无需空间注意力分支。

简而言之，输入数据通过四阶段CNN（ResNet-50或ConvNeXt V2 Tiny）和并行的LocalMamba堆栈；基线使用VMamba和CBAM，而LECLOUD使用LocalMamba和ECA-Net（图1）。CBF/CFF/CLF结合了每个阶段的分支和尺度；CHF和跳跃连接驱动解码器。一个头部输出逻辑值；训练最小化交叉熵加Dice损失（第3节）。

2.1. 用于主干网络现代化的ConvNeXt V2 Tiny
为了探究在ImageNet上训练的现代化CNN是否可以转移到dense cloud预测中，我们选择性地用ConvNeXt V2 Tiny替换ResNet-50作为卷积编码器。ConvNeXt V2 [30]是ConvNeXt的改进版本，通过引入全局响应归一化（GRN）和全卷积掩码自编码器（FCMAE）预训练策略，实现了强大的ImageNet分类准确性。ConvNeXt V2 Tiny的设计特点主要包括倒置瓶颈结构、大核深度卷积、层归一化以及全局响应归一化。具体来说，它采用先扩展后压缩的通道变换（倒置瓶颈），类似于MobileNetV2，使用深度可分离卷积来扩大感受野并降低计算成本，并在每个卷积块后使用LayerNorm而不是BatchNorm来提高训练稳定性。ConvNeXt V2的关键创新在于引入了全局响应归一化（GRN）层，通过在通道维度引入特征竞争机制来增强特征多样性。如图2和图1中的ConvNeXt面板所示，每个块应用深度卷积、层归一化、通道扩展、GELU、GRN和压缩，以及残差快捷连接，即大核深度混合，然后在两个点卷积之间使用倒置瓶颈和GRN。

GRN通过L2归一化增强了特征响应的多样性，强化了高响应特征，同时抑制了低响应特征。具体来说，GRN定义为：(1) ，其中X是输入特征， 和 是可学习参数， 表示L2范数。这种机制进一步增强了响应较强的特征，从而提高了模型的判别能力。我们保留了ConvNeXt V2的四阶段金字塔结构，以便空间步长与ResNet-50匹配（1/4, 1/8, 1/16, 1/32），在CFF/CLF接口处保持张量形状。第3节实证评估了移除GRN或改变倒置瓶颈扩展比率的效果。

2.2. LocalMamba状态空间模型分支
为了提高编码器效率，我们采用了LocalMamba [49]，这是一种窗口化的Mamba风格的编码器。LocalMamba的核心思想是将输入特征图划分为不重叠的局部窗口，并在每个窗口内进行独立的选择性扫描。如图3所示，对于大小为X的特征图，我们将其划分为大小为W的窗口，总共得到W个窗口。图3展示了LocalMamba模块的结构图。输入特征首先被划分为窗口，每个窗口执行SS2D选择性扫描操作，然后通过门控机制融合多方向扫描结果，最后恢复到原始空间尺度。不同颜色代表不同的局部窗口；方向箭头表示扫描方向和特征流路径。状态空间模型的基本形式可以表示为：(2) ，其中 是隐藏状态， 是输入， 是输出， 和 是状态转换矩阵。在每个窗口内，LocalMamba执行SS2D（选择性扫描2D）操作，但扫描范围限于窗口边界内。对于第i个窗口，选择性扫描操作定义为：(3) ，其中状态转换参数 是根据输入内容动态生成的，实现选择性建模。窗口化将每个SS2D块的序列长度限制在每个不重叠瓦片内的L内，同时可以并行处理W个窗口。与将整个M图序列化为一个长令牌序列的布局扫描相比，这种模式减少了每个窗口的激活足迹，并提高了大瓦片的实际吞吐量；通过堆叠阶段和移位划分来恢复跨窗口混合（见下文）。不同w的实证mIoU-FPS权衡在结果部分（第3节）进行了总结。图3详细介绍了LocalMamba的扫描机制。LocalMamba将特征图划分为多个局部窗口（用不同颜色标识），在每个窗口内执行独立的4方向扫描，并在窗口之间进行并行计算。中间缩放显示了单个窗口内的扫描细节：四条路径分别沿水平、垂直和两个对角线方向扫描，实现了局部空间依赖性的建模。这种窗口化设计使得LocalMamba在保持特征表达能力的同时显著提高了计算效率，特别适合处理高分辨率的遥感图像。选择窗口大小W需要平衡局部建模能力和全局感受野。窗口过大（例如W过大）会限制感受野，使得捕捉云团的整体结构变得困难；窗口过小（例如W过小）则会减弱窗口化的效率优势。

我们的主要基准使用不同的原始分辨率：SPARCS使用Sentinel-2图像，地面采样距离约为10米（GSD），而L8-Biome使用Landsat-8，地面采样距离约为30米（GSD）。在给定的编码器阶段，同一个整数W将特征图划分为W个令牌块，这些令牌块映射到不同数据集（以及同一运行内的金字塔层级）的不同物理范围。因此，没有单一的W可以适用于所有传感器和阶段。我们在SPARCS和L8-Biome的主要LECLOUD实验中采用W作为跨数据集的默认值（每个窗口64个令牌），在局部云细节和吞吐量之间进行权衡。这不是全局最优性的声明：在第3节报告的控制实验中，使用ConvNeXt V2 Tiny+LocalMamba+ECA在Biome_3上的实验表明，在该协议中W实现了最高的最佳验证mIoU，而FPS相对平坦，即W的选择是基于定量几何消融而不是仅凭直觉决定的。每个张量的窗口数量取决于每个编码器阶段的特征图高度和宽度（训练使用裁剪后的尺寸）。

为了减轻固定网格引起的边界伪影，我们采用深度上的交替划分：奇数阶段使用常规（对齐的）窗口，偶数阶段将网格移动像素（Swin风格），鼓励跨窗口流动而不让层内的窗口重叠。第3节将这种方案与仅使用常规窗口的情况进行了对比。LocalMamba将参数数量与通道宽度C相关联，而不是与空间范围相关联，因此窗口化主要改变了计算和内存，而不是模型大小。

2.3. ECA-Net轻量级通道注意力
为了实现轻量级和高效的注意力机制，我们采用了ECA-Net（Efficient Channel Attention Network）[43]。如图4所示，ECA-Net的设计将主分支和侧分支分开，其核心是自适应的1D卷积操作。这种结构仅保留了通道注意力，完全放弃了空间注意力分支，通过局部跨通道交互捕获通道间的依赖性。图4展示了ECA-Net的通道注意力模块。输入特征首先通过全局平均池化（GAP）获得通道统计信息，然后通过自适应核大小的1D卷积进行通道交互，最后通过Sigmoid生成通道权重并与输入特征相乘。箭头表示操作顺序，⊙表示通道级重加权。具体来说，给定输入特征，ECA-Net首先通过全局平均池化（GAP）生成通道级统计信息：(4) 。然后通过1D卷积进行通道信息交互：(5) ，其中 是Sigmoid激活函数， 表示核大小为k的1D卷积。关键设计在于卷积核大小k是根据通道数量C自适应确定的：(6) ，其中 和 是超参数， 表示取最接近的奇数。这种设计使ECA-Net能够根据不同层的通道数量自动调整感受野：低级别特征（通道较少）使用小卷积核来捕获局部通道关系，而高级特征（通道较多）使用大卷积核来建模长距离通道依赖性。最后，通道注意力权重 被应用于输入特征：(7) 。我们的假设是，对于云分割任务，通道注意力足以选择性增强重要特征通道（例如，区分冰/水云和明亮陆地或雾气的光谱线索），而CBAM风格的空间重加权附加的价值有限。云和云阴影通常是无定形的：边界柔和，内部纹理贫乏，“对象”缺乏紧凑的轮廓、锐利的角和一致的部分布局，空间注意力在检测或实例分割中利用这些特性。在这种统计情况下，一个在所有地方重新缩放特征图的通道门控更接近任务的归纳偏见，而不是试图突出少数显著区域的学习到的空间掩码。与CBAM的堆叠通道MLP加空间卷积相比，ECA-Net使用更少的参数实现了这一偏见。此外，ECA-Net使用的参数远少于宽度为C的两层MLP通道注意力（例如Squeeze-and-Excitation），因为交互是通过单个自适应1D卷积实现的，其核大小k随C缓慢增长（公式（6））。在LECLOUD中，用ECA-Net替换CBAM显著减少了注意力模块的参数，同时保持了我们在基准测试中的分割质量（第3节）。

2.4. 云与阴影的冗余性和边界相关线索
云像素和云阴影像素不是独立的：阴影继承了相邻或较高云的照明几何形状，在单日期光学图像中，几个可见光或近红外波段在“暗云边缘”、“薄云”和“明亮基底上的阴影”之间显示出重叠的亮度统计特性。这创造了统计上的冗余通道，单个卷积流可能会将它们映射到类似的中间激活。LECLOUD/MCloudX风格的设计通过三种实用方式减轻了这种冗余：（i）光谱互补性——CBF注入辅助波段，以便在RGB中较弱的线索在区分阴影和云时得到增强[13]；（ii）分支多样性——CNN路径强调局部纹理和边缘，而LocalMamba在窗口内传播上下文，因此可以使用更远范围的 evidence 重新解释相关的局部模式；（iii）类平衡训练目标——第3节中的Dice项增加了代表性不足的阴影和薄云边界的梯度，这在云内部容易识别但边缘噪声较大时特别有帮助。我们没有添加显式的边缘检测分支（例如，门控边界流[16]）；边界质量而是从编码器-解码器跳跃和融合的多尺度表示中产生的，这与主流的语义分割实践一致[4,8]。特征融合策略
LECloud采用了多层次的特征融合策略，包括跨特征融合（CFF）、跨波段融合（CBF）、跨层融合（CLF）和跨层次融合（CHF）模块。图1仅显示了编码器-解码器的框架；以下公式详细说明了CFF、CBF、CLF和CHF在CNN和LocalMamba流上的操作方式。

**跨特征融合（CFF）** 将卷积分支特征与相同尺度下的LocalMamba特征进行融合。设 为ResNet-50或ConvNeXt V2 Tiny的特征（具体取决于配置）， 为LocalMamba特征。CFF首先对每个分支应用ECA-Net：
[公式（8）]
然后进行加权融合：
[公式（9）]

**跨波段融合（CBF）** 用于整合辅助的光谱信息。对于主波段特征 和辅助波段特征 ，CBF通过通道注意力机制选择性地融合多光谱信息：
[公式（10）]
其中 用于通道维度对齐。

**跨层融合（CLF）** 实现编码器不同阶段特征之间的交互。对于第l层的特征 和第l+1层的特征 ，CLF通过上采样和残差连接实现多尺度信息融合：
[公式（11）]

**跨层次融合（CHF）** 用于在解码阶段融合编码器的多层次特征。给定编码器第i层的特征 和解码器第j层的特征 ，CHF通过跳跃连接和注意力机制实现精确的特征传输：
[公式（12）]
其中Concat表示通道维度连接， 为第j层的解码器模块。最后，解码器输出特征 通过卷积映射到分割结果：
[公式（13）]
其中 为K类分割概率图（云、云阴影、背景）。

CFF、CLF、CHF和CBF相对于简单替代方案（拼接、PPM/ASPP、CUP）的增益在第3节中进行了总结；这些数据来自CloudSEN-12 [50]的阶梯实验（协议如[13]中之表VI所示），而非第3节中的SPARCS/L8-Biome实验，但类似的融合布局在LECloud中得到了验证。

训练过程中最小化交叉熵和Dice损失的加权总和，以处理类别不平衡问题：
[公式（14）]
具体实现细节见第3节。

**3. 结果**
本节报告了数据集、训练协议和评估指标，随后在SPARCS上进行比较，在SPARCS和L8-Biome上进行详细消融实验，以及对Biome_3的补充几何和ConvNeXt-block研究（与通用协议对齐），并在Biome_3上进行零样本风格评估。

**3.1. 实验设置**
**3.1.1. 数据集**
我们在两个公共基准数据集上进行了实验：
- **SPARCS（Sentinel-2 Cloud验证数据集）**：SPARCS是一个基于Sentinel-2多光谱图像的云和云阴影分割数据集，包含80个场景，每个场景的尺寸为 [尺寸值缺失] 像素，空间分辨率为10米。该数据集覆盖了全球不同气候区域，包含多种云类型（厚云、薄云、卷云等）和复杂的地表背景（城市、森林、水体、积雪覆盖区域等）。图像包含10个光谱波段，我们使用RGB波段和三个近红外波段作为输入。标注包括四种类别：云、云阴影、薄云和清晰背景。数据集按6:2:2的比例划分为训练集（48个场景）、验证集（16个场景）和测试集（16个场景）。
- **L8-Biome（Landsat-8生物群落数据集）**：L8-Biome是一个基于Landsat-8图像的云检测数据集，包含96个场景，每个场景的尺寸为 [尺寸值缺失] 像素，空间分辨率为30米。数据集按生物群落类型组织，涵盖八种土地覆盖类型：常绿森林、落叶森林、草地、农田、湿地、城市、雪山和裸土。图像包含七个光谱波段，我们使用可见光和短波红外波段作为输入。标注包括三种类别：云、云阴影和背景。数据集按6:2:2的比例划分为训练集（64个场景）、验证集（16个场景）和测试集（16个场景）。

**3.1.2. 实施细节**
软件栈采用Ubuntu 20.04、Python 3.8、CUDA 11.8和PyTorch 2.0.0。所有实验（训练、验证和报告的推理时间）都在单个NVIDIA GeForce RTX 4090D GPU上完成（24 GB内存）；主机配置为18个vCPU（AMD EPYC 9754）和60 GB系统内存。除非另有说明，否则下文提到的吞吐量和内存数值均基于此平台。输入图像被随机裁剪成训练用块。我们采用AdamW优化器，初始学习率为 [学习率值缺失]，权重衰减为0.01。学习率调度采用余弦退火策略，最小学习率为 [最小学习率值缺失]。批量大小设置为16，最大训练周期数为200。

**3.1.3. 提前停止策略**
为了防止过拟合并提高训练效率，我们引入了提前停止机制。具体来说，我们监控验证集上的mIoU指标。如果连续30个周期内性能提升不超过0.1%（min_delta = 0.001，耐心值=30），则停止训练并恢复最佳模型权重。该策略确保了足够的模型训练，同时避免了不必要的计算开销。实验表明，大多数模型在100-120个周期后达到最佳性能，提前停止机制可节省约20-30%的训练时间。

**3.2. 数据增强策略**
为了进一步防止过拟合，我们采用了以下数据增强策略：
(1) 随机水平翻转（概率0.5）；
(2) 随机垂直翻转（概率0.5）；
(3) 随机旋转（[旋转角度值缺失]）；
(4) 色彩抖动，调整亮度和对比度、饱和度；
(5) 随机擦除（裁剪），随机遮挡区域。

**3.1.4. 损失函数**
我们采用交叉熵损失和Dice损失的加权组合：
[公式（15）]
其中 [权重系数值缺失] 是平衡系数。交叉熵损失用于像素级分类，Dice损失用于缓解类别不平衡问题（背景像素数量远多于云像素）。Dice损失定义为：
[公式（16）]
其中p是预测概率，g是真实标签， [平滑项值缺失] 是平滑项，N是总像素数。

**3.1.5. 评估指标**
我们采用以下指标评估分割性能：
- **平均交并比（mIoU）**：最常用的分割指标，定义为所有类别的IoU平均值：
[公式（17）]
其中K是类别数量，[正面像素数、负面像素数、假阳性像素数、假阴性像素数] 分别表示真实正例、假正例、假负例的像素数量。
- **像素 accuracy（PA）**：正确分类像素占总像素的比例。
- **F1分数**：精确度和召回率的调和平均值。
- **效率指标**：包括参数数量（Parameters, M）、浮点运算次数（FLOPs, G）和推理速度（FPS）。FPS是在相同RTX 4090D GPU上，批量大小为一，输入大小为 [输入尺寸值缺失] 时测量的，预热后进行。GPU内存（GB）数值（例如VMamba与LocalMamba的比较）是在同一工作台和软件栈（Ubuntu、CUDA、PyTorch）上使用相同的计时设置、批量大小为一和裁剪后测量的，除非另有说明。由于模型同时包含卷积阶段、窗口化SS2D块、融合模块和以跳跃为主解码器，因此峰值使用率高于类似宽度的单分支CNN；我们仅将GB作为FLOPs和FPS的粗略补充，而不是系统地考察不同批量大小、分辨率或驱动程序构建的影响。所有指标均在测试集上评估，报告三次独立运行的平均值和标准差。

**3.1.5. 消融实验设计**
为了系统评估每个组件的独立和协同效应，我们设计了因子消融实验。基线配置为MCloudX（ResNet50+VMamba+CBAM）。然后我们一次改变一个因素：用LocalMamba替代VMamba，用ECA-Net替代CBAM，或用ConvNeXt V2 Tiny替代ResNet50。组合配置包括LECloud（ResNet50+LocalMamba+ECA-Net）和完整的ConvNeXt变体（CV2+LocalMamba+ECA-Net）。进一步分析了LocalMamba的窗口大小、规则窗口网格与移位窗口网格（第2节），以及ConvNeXt V2块的选项（GRN开关、反向瓶颈宽度）在ConvNeXt+LocalMamba+ECA主干网络上的作用，使用上述优化器、增强和提前停止协议。

**3.2. 在SPARCS数据集上的比较实验**
在本节中，我们将提出的网络与SPARCS数据集上的各种代表性方法进行比较。根据相关工作设置，这些方法主要分为三类：基于卷积结构的CNN网络、基于Transformer结构的网络以及结合卷积和序列建模单元的混合网络。表1显示了不同方法在SPARCS数据集上的整体指标和类别像素精度（Class PA）比较，其中整体指标包括mIoU、PA、MPA、R和F1；类别指标包括云（阴影）相关类别和其他土地覆盖类别的像素精度。表1展示了不同方法在SPARCS数据集上的性能比较。注意：加粗行突出显示了我们以效率为导向的LECloud配置。在所有方法中，最佳的mIoU为94.73，其次是94.71。为了更直观地展示不同方法的分割效果，图5展示了FCN、U-Net、DeepLabV3+、MCloudX和MCloudX+LocalMamba+ECA在SPARCS数据集的四个代表性场景上的定性比较结果。从可视化结果可以看出：
(1) FCN在云边界处存在明显的锯齿状伪影，对薄云和云阴影的检测能力较弱；
(2) U-Net在边界精度上有所提高，但在复杂背景场景中仍会产生误检测；
(3) DeepLabV3+通过多尺度特征融合改善了分割精度，但在云阴影区域存在欠分割问题；
(4) MCloudX基线模型能够准确分割云和云阴影，并具有清晰的边界和良好的薄云检测能力；
(5) MCloudX+LocalMamba+ECA保持了高精度，同时产生了更平滑的分割边界，特别是在云阴影区域表现出色。这些定性结果与定量指标一致，验证了混合架构在云分割任务中的优势。

**3.3. 详细消融实验分析**
为了系统评估每个组件的独立和协同贡献，我们设计了全面的消融实验。表2和表3分别展示了所有八种配置在SPARCS和L8-Biome数据集上的性能。因此，仅使用通道堆叠是不够的：与仅在输入级别进行串联相比，借助专门的跨频段分支和门控来利用辅助的红外信息会更好。上述优势证明了在LECloud中保留CFF/CBF/CLF/CHF的必要性；我们的SPARCS/L8-Biome实验（表2和表3）在此融合拓扑的基础上，分别比较了VMamba与LocalMamba以及CBAM与ECA-Net的性能。因此，我们仅使用表4来量化CloudSEN-12上的相对融合增益；它不应被视为扩展表2和表3中的SPARCS/L8-Biome排行榜，因为后者依赖于不同的基准测试和评估协议。表2和表3中的编码器交换（VMamba → LocalMamba）和注意力交换（CBAM → ECA-Net）是基于这种融合设计进行评估的。

VMamba与LocalMamba的比较：在SPARCS数据集上，ResNet50+VMamba+CBAM（基线配置）的mIoU达到了94.70%，而仅使用LocalMamba的配置达到了94.56%，性能略有下降0.14个百分点。在L8-Biome数据集上，性能下降了0.15个百分点（73.41%对73.26%）。尽管性能略有下降，LocalMamba带来了显著的效率提升：FLOPs从102.4G减少到98.7G（减少3.6%），推理速度从42.5 FPS提高到45.8 FPS（增加7.8%），内存使用量从8.2 GB减少到7.8 GB（减少4.9%）。LocalMamba通过窗口化选择性扫描机制将全局状态空间建模转换为局部窗口内的状态空间建模，在保持相同参数数量（87.2M）的同时，实现了显著的计算效率提升。性能的轻微下降（<0.15%）主要是由于窗口化机制牺牲了一些全局建模能力。然而，在L8-Biome数据集上，当LocalMamba与ECA-Net结合使用时，性能实际上超过了基线（73.65%对73.41%），表明LocalMamba的局部建模能力和轻量级注意力机制之间存在协同效应。

注意力机制的消融实验（CBAM与ECA-Net）：在SPARCS数据集上，ResNet50+VMamba+CBAM（基线配置）的mIoU达到了94.70%，而使用ECA-Net的配置的mIoU达到了94.66%，性能仅下降了0.04个百分点。在L8-Biome数据集上，性能下降了0.05个百分点（73.41%对73.36%）。这种轻微的性能损失是以显著减少参数为代价的：总参数从87.2M减少到80.5M（减少7.7%），而注意力模块的参数从147K减少到7.7K（减少了95%）。轻量化的效果分析：ECA-Net通过一维卷积实现了自适应通道注意力，避免了CBAM中全连接层和空间注意力模块的计算开销。实验表明，CBAM的空间注意力对云分割任务的贡献有限（<0.1%的mIoU），而ECA-Net的通道注意力足以满足云检测需求。从定性上看，这与云作为半透明、边界不明显的区域的特性相符：与对象检测不同，空间注意力可以强调盒子状的结构和部分，而薄云信号通常是分布式的并且以光谱为主，因此可以通过CNN和Mamba分支轻松学习到明确的空间显著性图。图6将CBAM的空间图与ECA在Biome_3补丁上的仅通道摘要进行了对比，该补丁的部分云覆盖情况类似于薄云。考虑到7.7%的参数减少和几乎可以忽略的性能损失，ECA-Net在资源受限的情况下具有显著的实际价值。

为了补充SPARCS/L8-Biome的定量分析，图7展示了基于ResNet50的系列模型在Biome_3上的定性比较：(c) MCloudX基线（R50+VM+CBAM），(d) R50+LocalMamba+CBAM，(e) LECloud（R50+LM+ECA），以及(f) ConvNeXt V2 + LocalMamba + ECA变体，在相同的融合头下展示了骨干网络的现代化。从可视化结果来看，我们可以观察到以下情况：(1) 基线模型能够准确分割边界清晰的云和云阴影；(2) LocalMamba配置在云-阴影边界产生了更平滑的轮廓，减少了锯齿状伪影，受益于局部窗口内的连续扫描机制；(3) LocalMamba+ECA的组合在保持高准确性的同时进一步优化了边界细节，特别是在复杂的云-阴影区域表现出色。这些定性结果与定量指标一致，验证了在中等分辨率场景下将LocalMamba与ECA-Net结合的优势。

3.3.2. LocalMamba几何和ConvNeXt模块的消融实验（Biome_3训练协议）
表5报告了在固定ConvNeXt V2 Tiny+LocalMamba+ECA主干结构的情况下，改变(i)窗口边长w，(ii) 仅规则窗口与交替偏移窗口，以及(iii) ConvNeXt模块内的GRN加反瓶颈宽度时的控制运行结果。为了将优化噪声与分割之间的差异分开，我们记录了训练过程中观察到的最佳验证mIoU（每行一个种子）；这与表6中的官方Biome_3测试结果不同，但它隔离了相同数据管道上的架构效应。图8绘制了窗口大小的变化以及在第2节相同协议下测量的墙钟推理吞吐量（FPS）。表5显示了ConvNeXt V2+LocalMamba+ECA在Biome_3上的几何和模块消融结果（最佳验证mIoU%）。表6展示了Biome_3数据集上的泛化实验结果比较。图8显示了ConvNeXt V2 Tiny+LocalMamba+ECA在Biome_3上的LocalMamba窗口边长w的影响。绿色表示训练期间的最佳验证mIoU（与表5相同的行）。红色表示在同一RTX 4090D GPU上，批量大小为1且经过预热后的吞吐量（FPS）。mIoU在某一点达到峰值，而在此基准测试下FPS相对平稳。通过比较(i)每个LocalMamba阶段使用固定对齐网格的堆叠和(ii)我们默认的交替规则瓦片与Swin风格偏移分区的调度（第2节），我们隔离了跨窗口信息流的效果。ConvNeXt V2 Tiny+LocalMamba+ECA在Biome_3上的所有其他设置保持不变。偏移配置相比仅规则网格获得了最佳的验证mIoU（表5），绝对增益为百分比点。使用纯规则平铺时，SS2D混合局限于每个深度的不连续窗口，因此大于单个瓦片的云区域特征只能通过更深层次的层间接缝合在一起，这往往在窗口边界留下较弱的耦合。偏移重网格使得在一个阶段被分离的标记在下一个阶段成为邻居，从而实现显式的跨窗口传播，而无需恢复全图扫描。这对于大型、空间连续的云系统（例如，广阔的层状云层或前端云带）尤为重要，因为它们的水平范围通常跨越多个窗口：测量的mIoU提升支持了这样的观点，即跨窗口通信有助于保持大块云的连贯标签，而不是沿着人工网格线将其分割。

移除GRN略微提高了验证mIoU，表明ImageNet风格的特征竞争层并不总是对密集云映射有益。缩小反瓶颈会降低准确性，表明现代化CNN模块中的通道容量对于这项任务仍然很重要。对于窗口边长，某个值在该协议中获得了最高的验证mIoU（图8），而非常小的窗口则未能充分捕获全局云上下文，尽管FPS相似，但准确性降低。

3.4. 泛化能力验证
为了进一步评估模型在未见场景下的泛化能力，我们根据相关工作在Biome_3数据集上进行了额外的泛化实验。Biome_3数据集包含独特的地理环境和云特性，与训练集（SPARCS和L8-Biome）有显著不同，使其成为检验模型鲁棒性的理想测试平台。我们将提出的LECloud模型与基线MCloudX模型以及主流分割方法（如DeepLabV3+、FCN和U-Net）进行了比较。实验结果显示，LECloud在Biome_3数据集上的mIoU达到了74.34%，超过了基线MCloudX模型的74.00%。同时，与基于纯卷积架构的方法相比，LECloud显示出显著的性能优势：比DeepLabV3+高5.2个百分点（69.14%），比FCN高11.48个百分点（62.86%）。这表明，通过引入窗口化状态空间模型（LocalMamba）和轻量级注意力机制（ECA-Net），LECloud不仅在源域上保持了效率，还在目标域上展现了更强的特征转移和泛化能力，更好地适应了复杂多变的遥感场景。为了直观展示模型在未见场景下的泛化性能，图9展示了不同方法在Biome_3数据集典型场景上的定性分割结果。该图选择了包含厚云、薄云和复杂地表背景的代表性样本。从可视化比较中我们可以观察到，基于纯卷积的方法（如FCN和DeepLabV3+）在未见场景中的适应性较差，容易在雪/冰或明亮建筑区域产生误检测，并且云-阴影边界的分割粗糙。相比之下，LECloud受益于窗口化状态空间模型对局部和全局环境的有效建模，以及轻量级注意力机制的自适应特征增强，显著减少了复杂背景下的误报。特别是在云-阴影边缘和薄云区域，LECloud生成了更细致、更连续的分割掩码，更接近真实标签。这直观地验证了LECloud在跨域场景中具有更强的鲁棒性和泛化能力。

3.5. 监督假设与无监督扩展
完全监督训练。本文中的所有实验都处于完全监督的情况下进行：在SPARCS、L8-Biome和Biome_3数据集上应用像素级掩码来驱动交叉熵加Dice目标函数。这种选择能够最大化操作云层掩处理的标签准确性，但同时也继承了手动图像解释的常规成本以及传感器间类别定义的漂移问题。自监督或弱监督预训练的潜力：ResNet和ConvNeXt编码器可以通过ImageNet的FCMAE或监督权重进行初始化；扩展这一思路，可以在未经标注的TOA/BT图像块上使用掩码自动编码或对比目标对CNN分支（以及原则上Mamba侧的适配器层）进行预训练，然后再在小型标注云数据集上进行微调。这种方法对于标签稀缺的新星座来说很有吸引力，同时也符合近期遥感表示学习的趋势。然而，对于阴影类别来说，其效益研究较少，因为阴影在结构上与云层紧密相关，仅从未标注的数据中提取阴影较为困难。

纯粹无监督分割的局限性：在没有标签的情况下进行端到端的云层/阴影分割仍然是不适定的：光谱空间中的簇并不能唯一地识别物理上不同的类别（例如，黑暗植被与阴影）。因此，传统的无监督云层筛选方法仅停留在二值的“多云/清晰”掩码上，或者依赖于物理阈值[9]，而不是完整的阴影语义。LECloud的多类别头部和融合设计假设监督可以消除这些歧义；去除标签将需要（i）将任务简化为在清晰参考数据与多云获取数据之间的无监督变化或异常检测，或者（ii）采用教师-学生蒸馏/伪标记方法，并进行仔细的置信度过滤，这两个方向我们留待未来的工作来探索。

半监督和领域适应：一个实际的中途方案是从在SPARCS上训练的模型中进行微调，同时加入少量来自新传感器的数据（领域适应），或者在一致性正则化下将少量标注数据与大量未标注数据混合。当前架构与这样的协议兼容（骨干网络和注意力模块都是标准组件），但我们在这里没有进行评估；报告的收益需要新的基准测试和协议，这超出了本架构研究的范围。

我们在结论部分之前引入了一个专门的讨论章节，总结了普遍存在的局限性和未来的展望；详细的泛化分析和与监督相关的评论仍然保留在第3节中，连同相应的表格和图表。

**4. 主要发现的解读**
第3节中的消融证据支持以下解释：
- **窗口化状态空间模型的有效性**：LocalMamba通过窗口化选择性扫描，实现了显著的效率提升（FLOPs减少了3.6%，推理速度提高了7.8%），同时在准确性方面与VMamba相当（准确性下降<0.15%）。对于云层分割来说，局部窗口内的状态空间建模通常足以捕捉关键的空间依赖性，而不受限制的全局扫描可能相对于其成本来说是不必要的。
- **轻量级通道注意力的充分性**：ECA-Net仅使用大约5%的CBAM参数，就能保持几乎相同的分割性能（准确性下降<0.05%），这表明对于具有强区域连续性的任务，通道注意力可以有选择地增强重要特征，而空间注意力带来的边际效益很小。
- **架构迁移的局限性**：尽管ConvNeXt V2在ImageNet分类任务上表现得很好，但在我们的云层分割基准测试中性能下降（mIoU下降1.2%至2.5%），这表明面向分类的归纳偏差并不总能转移到密集的地理空间预测中。
- **实际配置**：LECloud栈（ResNet50+LocalMamba+ECA-Net）在参数减少了约7.7%、推理速度提高了9.4%的情况下，达到了我们报告的最佳L8-Biome mIoU（73.65%），这表明它在工作站级别的训练和推理中达到了一个可行的准确性与效率平衡点。

综上所述，这些观察结果提示我们应该将窗口几何形状、注意力放置和骨干网络选择视为相互关联的设计参数：当LocalMamba和ECA-Net与MCloudX家族的多尺度、多光谱拓扑结构相结合时，它们所带来的节省最为显著，而不是作为独立插件应用于任意解码器上。

**4.2. 限制**
本研究的局限性包括：
（1）实验仅针对两个公开的培训基准数据集进行；更广泛的传感器、气候和注释协议仍有待量化。
（2）默认的窗口宽度是在SPARCS（Sentinel-2，约10米）和L8-Biome（Landsat-8，约30米）之间的折中选择，因为相同的窗口宽度在特征图上对应不同的地面覆盖范围；在ConvNeXt V2+LocalMamba+ECA下，Biome_3数据集获得了最佳的验证mIoU（表5），因此针对特定传感器或数据集的窗口宽度及自适应窗口仍然具有前景。
（3）我们没有探索模型压缩技术（如知识蒸馏）与此处报告的架构变化相结合的协同效应。
（4）训练完全是监督式的；尚未验证针对新传感器的自监督预训练、半监督微调或伪标记流程（详见第3节末尾的监督讨论部分）。
（5）没有进行嵌入式边缘设备或机载平台的验证：我们没有在卫星板载处理器、航空电子设备级GPU或资源受限的边缘SoC上对LECloud进行基准测试，因此无法评估在这些部署环境下的实时性能或内存使用情况。
（6）GPU内存的讨论仅限于与本文其余部分相同的受控服务器端条件（单个RTX 4090D工作站，第3节中的软件栈），即便如此，内存也并非一个主要的评估指标：消融分析中提到了GPU内存的参考值，以及FLOPs和推理FPS的对比（VMamba与LocalMamba在相同设置下的对比），但我们没有对每种配置、输入分辨率或分配器/驱动器组合进行系统的GPU内存峰值分析；报告的GB值仅具示例性。

**4.3. 未来工作和展望**
未来的工作可以包括：
（1）探索更高效的状态空间模型变体，例如将线性注意力与Mamba结合起来；
（2）针对遥感多光谱统计特性和波段顺序设计注意力机制；
（3）将LECloud风格的栈扩展到其他密集任务（如土地覆盖、变化检测）；
（4）在嵌入式边缘设备、机载平台或板载平台上进行硬件在环研究，以补充现有的仅基于服务器的证据；
（5）在固定批量大小、分辨率和驱动程序/工具包版本下，对不同配置进行标准化的GPU内存（以及可选的功率）测试。

补充的研究方向包括：
- 超出此处使用的三个数据集的跨传感器评估；
- 操作性云层掩膜的不确定性校准；
- 与每种任务的原始地面采样距离（GSD）和铺砌策略共同设计窗口几何形状——这些主题与开源代码和权重的发布相一致，以便进行可复制的比较（见第3节和数据可用性声明）。

**5. 结论**
本文系统地探讨了MCloudX云层分割网络的架构，并提出了一种称为LECloud的高效云层和云层阴影分割模型，采用了ResNet50+LocalMamba+ECA-Net的配置。通过集成窗口化状态空间模型LocalMamba和轻量级通道注意力ECANet，该模型在三个方面优化了骨干网络、编码器和注意力机制。在SPARCS、L8-Biome和Biome_3数据集上的消融实验表明，LECloud在减少参数和提高推理速度的同时几乎保持了分割准确性，从而实现了精度与效率之间的优秀平衡。此外，该模型在跨领域场景中表现出强大的泛化能力和鲁棒性，特别是在薄云和云层阴影等复杂场景中。这项研究验证了窗口化状态空间建模和轻量级注意力在遥感云层分割中的有效性，并为设计高效且可部署的遥感语义分割模型提供了实证参考。