LACE-Net：一种结合局部频域能量分析与自适应对比度增强技术的Swin Transformer模型，用于精细粒度土地覆盖分类 谭永梅（Yongmei Tan） 陈刚（Gong Chen） 黄燕（Yan Huang） 叶恒洲（Hengzhou Ye） 唐金城（Jincheng Tang）

《Computers》：LACE-Net: A Swin Transformer with Local Frequency-Domain Energy and Adaptive Contrast Enhancement for Fine-Grained Land Cover Classification Yongmei Tan, Gong Chen, Yan Huang, Hengzhou Ye and Jincheng Tang

　　摘要：Swin Transformer在细粒度土地使用和土地覆盖（LULC）分类方面存在局限性，尤其是在捕捉高频纹理细节和表示低对比度区域时。为了解决这些问题，我们提出了一种新的网络模型LACE-Net，该模型整合了局部频域能量和自适应对比度增强技术。LACE-Net基于Swin Transformer的架构，并引入了创新的局部频域能量自适应对比度增强多尺度注意力（LACE）模块。该模块包含用于频域感知和对比度增强的并行分支，有效结合了纹理和光照的物理先验信息。此外，还加入了一种纹理自适应动量调整机制，以动态优化空间增强注意力权重。因此，LACE-Net显著提升了高频细节和复杂空间结构特征的建模和表示能力。实验在自构建的广西区域数据集（GLC-30）以及公开可用的遥感场景分类基准数据集NWPU-RESISC45上进行，结果显示LACE-Net的Top-1准确率达到了96.48%，宏观平均F1分数为93.13%。这些结果优于当前主流视觉模型，特别是在解决“相同光谱，不同对象”的光谱混淆问题方面。LACE-Net在细粒度分类性能和跨数据集的泛化能力上表现出色。

1. 引言
土地资源是人类生存和发展的基本物质基础，是生态文明建设的核心媒介。随着地球大数据和多源遥感技术的快速发展，高分辨率遥感影像已成为自然资源调查、空间规划和精准农业管理的重要基础[1]。然而，尽管极高分辨率（VHR）遥感影像提供了丰富的空间细节，但它同时也放大了类内光谱变异性，降低了类间差异的显著性[2]。这种现象给土地覆盖识别带来了显著的分类困难。特别是，传统特征提取方法在面对复杂场景（如不同生长阶段的作物物候变化或森林中相似树种的细微差异）时，往往无法满足高精度要求。近年来，深度学习（DL）的发展[3,4]为克服这些瓶颈提供了新的机会。卷积神经网络（CNN）和视觉Transformer（ViT）等模型通过分层特征学习，在各种遥感任务中取得了显著优于传统方法的性能[5]。尽管取得了进展，现有主流视觉模型在细粒度土地覆盖识别方面仍面临重大挑战。随着土地类别复杂性的增加，类间差异减小而类内变化扩大[6]，这导致在纹理较弱、对比度低或背景噪声较高的场景中频繁出现误分类。例如，在密集森林区域，不同树种之间的细微纹理差异在复杂光照条件下容易混淆，凸显了当前模型在纹理增强、局部结构表示和对比度敏感性方面的局限性。具体而言，尽管Swin Transformer[7]通过其移动窗口机制平衡了局部和全局建模，但它本质上依赖于空间-像素域的交互作用，因此在捕捉频域视角下的高频纹理细节方面存在不足。同样，尽管标准视觉Transformer（ViT）在建模长距离依赖关系方面表现出色，但在捕捉低对比度区域和模糊边界时性能较弱。大多数现有模型在利用空间-频域信息和在不同光照条件下的特征显著性方面存在不足，导致在处理“相同光谱，不同对象”现象或高度相似的纹理时特征区分能力有限。为了解决这些问题，我们提出了一个名为LACE-Net的细粒度土地覆盖识别网络，该网络整合了局部频域能量和自适应对比度增强技术。

本研究的主要贡献如下：
(1) 提出了一种新的网络架构LACE-Net，通过整合局部频域能量和自适应对比度增强技术。该模型以Swin Transformer为核心，创新性地嵌入了局部频域能量自适应对比度增强多尺度注意力（LACE）模块，参数开销极小。这一设计有效缓解了类似土地覆盖类别混淆、高频纹理信息利用不足以及低对比度区域特征表示受限等关键问题。
(2) 设计了一种纹理自适应动量调整机制，以提高特征区分能力。该机制利用从局部频域能量和对比度增强分支提取的物理先验，通过动态调整动量系数来优化空间注意力的权重分布，显著提升了模型区分复杂纹理的能力。
(3) 在自构建的区域数据集和公共基准数据集上进行了系统的实验验证。通过实地数据收集和严格筛选，本研究开发了包含30类细粒度土地特征的广西区域数据集（GLC-30）。实验结果表明，LACE-Net在分类准确率（Top-1 Acc）和宏观平均F1分数（mF1）方面均优于主流视觉模型，包括ResNet、EfficientNet和原始Swin Transformer。这些发现证实了所提模型在细粒度土地覆盖分类任务中的有效性和技术优势。

2. 相关工作
2.1 传统的LULC分类研究
早期的LULC研究主要集中在光谱统计特征的提取和浅层机器学习（ML）算法的应用上。以最大似然分类（MLC）为代表的监督分类算法因其成熟的统计决策机制而成为土地覆盖识别的传统基准。作为一种参数化统计方法，MLC将像素分配给概率最高的类别，从而在处理具有重叠特征的复杂土地时实现了更高的准确率[8]。然而，纯基于光谱的统计方法在复杂场景下的性能局限性促使人们将ML算法与多维特征相结合。随机森林（RF）和支持向量机（SVM）等算法通过在高维特征空间中操作，有效克服了传统统计假设的约束[9]。例如，RF已被广泛应用于多源数据分类，因为它对噪声具有固有的鲁棒性。先前研究将Sentinel-2影像与辅助地理数据结合，利用归一化植被指数（NDVI）和红边指数构建多维特征集，显著提高了复杂植被类型（如各种森林物种）的分类准确率[10]。为了进一步提高特征区分能力和减少椒盐噪声效应，特征工程和空间分析技术得到了广泛发展。一方面，通过结合光谱指数（如NDVI）和纹理特征（如灰度共生矩阵GLCM）构建多维特征空间已被证明是有效的。这种方法减轻了异质热带景观中光谱相似类别之间的混淆，同时增强了模型区分特定植被、农田和开放空间的能力[11]。另一方面，基于对象的图像分析（OBIA）通过图像分割将同类像素聚合成对象单元，利用对象的形状、纹理和拓扑关系有效解决了高分辨率影像中的高类内光谱变异问题[12]。此外，基于变分贝叶斯高斯混合模型（VBGMM）的概率框架在高分辨率作物分类中表现出有效性[13]。虽然优化训练数据选择策略可以在一定程度上提高分类结果[14]，但它无法克服传统方法的根本局限性。这些方法严重依赖手动特征工程，并且难以自适应地提取深度区分特征。特别是在细粒度分类任务中，传统方法缺乏挖掘细微光谱能量差异和显式对比度增强的深度机制，无法满足高精度映射的要求。

2.2 基于深度学习的LULC分类研究
随着计算能力的迅速发展，土地覆盖识别已从手动特征工程转向数据驱动的深度特征学习。卷积神经网络（CNN）凭借其强大的局部特征提取能力，在表示鲁棒性方面显著优于传统算法，成为遥感（RS）图像解释的主流架构[15]。CNN利用平移不变性和局部感受野自动提取多级空间特征，在土地使用场景分类中表现出色[16]。在语义分割领域，DeepLab系列通过引入扩张卷积克服了标准CNN感受野的限制，能够在不降低空间分辨率的情况下捕获长距离上下文信息，成为高分辨率土地覆盖识别的关键基础[17]。对于高光谱数据，3D卷积架构结合光谱-空间残差网络（SSRN）直接从光谱-空间立方体中提取区分性特征，强调了联合利用光谱和空间信息解决类间混淆的重要性[18]。注意力机制的整合模拟了人类视觉系统的聚焦过程，进一步提高了特征区分能力。Squeeze-and-Excitation（SE）[19]和卷积块注意力模块（CBAM）[20]等模块通过自适应加权通道和空间特征，增强了网络对关键土地覆盖特征的响应能力。高效多尺度注意力（EMA）模块[21]在保持通道信息的同时减少了计算开销。该方法将通道维度重塑为批量维度进行特征分组，利用并行子网络通过跨空间学习机制提取全局坐标上下文和局部纹理信息。这种策略——通过聚合全局通道权重与局部特征矩阵生成注意力图——为本文提出的空间增强注意力（SEA）分支提供了重要的理论基础。在此基础上，融合空间和光谱注意力的双流网络架构成功抑制了光学和SAR图像融合中的冗余噪声，提高了特征融合效果[22]。然而，CNN的卷积核局部感受野的限制使其在建立长距离全局依赖关系方面存在根本性缺陷。为克服这一瓶颈，Transformer架构作为当前技术前沿应运而生。视觉Transformer（ViT）通过自注意力机制处理全局特征[23]，在处理具有复杂空间关系的卫星影像时表现出优于传统CNN的分类性能[24]。在此基础上，Swin Transformer引入了分层移动窗口机制，在保持全局建模能力的同时显著降低了计算复杂性[7]，成为细粒度图像分析（如土地覆盖识别）的高效骨干网络。当前研究趋势正向混合架构、细粒度模型和基础大型模型发展。为了平衡局部细节和全局语义，结合Transformer和CNN的混合框架成为重要研究方向。例如，土地覆盖分类网络（LCC-Net）复合模型利用Swin Transformer的自注意力机制捕捉复杂空间特征和时间动态，同时利用CNN的特征提取能力，在自然灾害监测中表现出色[25]。对于大规模细粒度对象分类，PatchOut框架通过结合简化的Transformer和CNN模块提取长距离依赖关系和局部互补特征，在复杂的大规模分类任务中展示了出色的准确性和计算效率[26]。为了解决细粒度分类中边界模糊的问题，最近的基于注意力的可变形卷积网络引入了多尺度轮廓渲染机制，显著提高了高分辨率影像中小对象的分割效果[27]。此外，Segment Anything Model（SAM）等基础模型被引入遥感领域；FlexiSAM等模型进一步增强了多模态土地覆盖识别的灵活性和泛化能力[28]。虽然SpectralFormer从光谱序列角度引入了Transformer，但这种纯注意力机制在非常深的网络中可能过度抽象，忽略了原始的光谱响应[29]。尽管现有注意力机制有助于特征加权，但它们缺乏显式的自适应对比度增强模块来线性拉伸特征空间中难以分类样本的距离。因此，在涉及复杂光照或“相同光谱，不同对象”现象的场景中，分类边界仍然不够明显。

为了解决高分辨率LULC分类中的这些问题，我们提出了一种名为LACE-Net的新方法，该方法整合了局部频域能量和自适应对比度增强技术。所提出的方法旨在通过引入频域感知机制来补偿深度网络中高频空间结构信息的损失，并采用自适应对比度增强策略来显式放大特征空间中难以分类样本的区分差异。这个设计不仅能够从物理先验的角度恢复微妙的纹理变化（这些变化通常会被深层网络平滑掉），还能够通过增强局部特征对比度，有效解决“相同光谱，不同物体”以及细粒度分类中边界模糊的问题。3. 方法论 3.1. 系统概述本文提出了一种细粒度的土地覆盖分类模型，该模型整合了局部频域能量和自适应对比度增强。该模型旨在克服现有视觉模型在提取微妙纹理和处理低对比度场景时的特征表示瓶颈。与仅依赖空间域特征聚合的传统方法不同，我们的方法引入了一种“频域-空间双流协作”处理范式。整个系统架构如图1所示，包括三个核心处理阶段：图1. LACE-Net网络架构。 (1)利用Swin Transformer作为骨干网络，通过其移位窗口机制构建了一个分层特征提取路径。这使得模型能够捕捉从局部细节到全局上下文的多尺度空间语义。(2)为了解决Transformer架构对高频信息的不敏感性问题，在骨干网络的第2阶段和第3阶段之间嵌入了LACE模块。作为物理感知校正器，该模块通过将频域纹理能量与空间域对比度特征解耦来指导特征重建，从而将物理先验纳入学习过程。(3)通过频域和空间域校准的特征图被输入到后续的Transformer模块中进行高级语义抽象。最后，通过全局平均池化（GAP）和线性分类头生成土地覆盖识别结果。3.2. LACE模块传统的神经网络在处理精细图像纹理时经常会出现过度平滑的效果，并且在复杂光照条件下特征会退化。为了解决这些限制，我们设计了LACE模块。该模块的核心创新在于通过SEA分支保留空间结构，同时通过局部频率能量（LFE）和对比度增强分支（CEB）从频域和对比度域提取物理约束。最后，采用动量机制实现动态特征加权。详细架构如图2所示。图2. LACE模块结构。这里，“g”表示分组，“X Avg Pool”代表一维水平全局池化，“Y Avg Pool”表示一维垂直全局池化。?表示元素级乘法。3.2.1. SEA分支SEA分支是从高效多尺度注意力（EMA）模块[21]派生出的简化变体。两种架构都采用了基于分组的交互策略。具体来说，给定一个输入特征张量X ∈ ?b×c×h×w，该张量首先沿通道维度被划分为g个子组，表示为X = [X1, X2, …, Xg]，其中每个子组表示为Xg ∈ ?b×(c/g)×h×w。c代表通道的总数。对于每个子组Xi，引入了一个方向感知的坐标池化机制。这个过程分别沿高度（h）和宽度（w）维度聚合特征，生成一对方向感知的特征向量Zh ∈ ?(c/g)×h×1和Zw ∈ ?(c/g)×1×w。对于第k个通道，计算公式如下：(1) (2)为了捕捉跨维度的长期依赖性，Zh与转置后的Zw沿空间维度连接。然后通过1 × 1卷积进行跨通道信息交互，接着使用Sigmoid激活函数σ来缩放原始组特征。为了增强组内特征的稳定性，对调整后的特征应用了组归一化（GroupNorm），组数等于通道数，以获得中间注意力特征A。与原始EMA机制不同，后者通过双向并行路径进行复杂的跨空间权重聚合（即使用两条路径的注意力权重进行加权求和），SEA分支简化了这一过程，将其变为单向特征重建机制。具体来说，首先在并行分支中使用3 × 3卷积计算局部特征X2。之后，对注意力特征A应用全局平均池化（GAP），并使用Softmax函数计算通道级别的自适应权重向量。最后，通过矩阵乘法将此权重向量与重塑后的局部特征融合。最后，应用Sigmoid激活函数生成空间注意力权重矩阵W。(3)其中?表示矩阵乘法，GAP代表全局平均池化，X’2表示局部特征X2的扁平化空间表示。最终，每个子组通过空间加权产生重建特征。然后将所有子组连接起来恢复原始维度，得到空间加权特征表示Xsea。这种改进使SEA分支保留了EMA在捕捉长期空间依赖性方面的优势，同时消除了冗余的跨聚合计算。因此，这显著降低了模型的计算开销和参数复杂性。3.2.2. 基于物理的频域能量感知这代表了所提模块的核心创新。传统的纹理提取通常依赖于“黑箱”卷积操作，缺乏可解释性。基于信号处理理论，本工作构建了LFE和CEB，从物理角度定量表征纹理复杂性和光照显著性。根据Parseval定理，信号在时间域的能量与其在频域的能量相关。在图像处理中，纹理细节主要对应于高频成分。由于直接进行快速傅里叶变换（FFT）计算成本高昂，我们使用梯度算子作为高频成分的空间近似。给定一个局部图像块I(x,y)，梯度幅度|▽ I|=反映了信号变化的强度（即高频强度）。为了捕捉微妙的纹理振荡，我们设计了正交的频率感知滤波器——一个水平核Conv1×5(x)和一个垂直核Conv5×1(x)——来近似梯度计算并提取正交的高频响应fh和fv。基于此，我们定义了归一化的局部频率能量图来量化纹理强度。数学上，这类似于计算局部高频信号的能量密度：(4)在这个上下文中，和表示局部梯度能量，它作为高频成分能量在空间域的近似。表示空间维度的全局平均池化操作。术语( )用于提取当前批次内的最大能量标量值。为了抑制背景噪声，使用max (·, 10?6)来截断极低能量的响应。此外，设置数值稳定性常数10?5以防止除以零或其他数值不稳定。归一化的能量图为输入图像的纹理复杂性提供了直观的量化，为后续的动态参数调整建立了物理基础。CEB旨在提取对光照变化具有鲁棒性的边缘特征。该分支首先使用3 × 3卷积捕捉局部亮度变化，然后通过绝对值操作增强边缘响应。接下来，通过批量归一化和Sigmoid激活函数生成初始对比度特征B。为了适应有阴影或过曝区域的处理，引入了一个可学习的温度参数τ。这个参数有助于进行幂律变换，非线性调节B，从而得到最终的对比度掩码Bτ：(5)在这个公式中，τ控制激活函数的陡峭程度。具体来说，当τ < 1时，该机制放大微妙的差异；而当τ > 1时，有效抑制噪声。这种调整产生了高显著性的对比度特征图。3.2.3. 纹理自适应动量调整机制为了在特征融合中实现动态平衡，本文提出了一种基于纹理复杂性的自适应动量调整机制。该机制首先使用局部频域能量来量化纹理复杂性，并动态计算动量系数m。在高频复杂区域，较大的m导致较小的m，从而减少历史惯性，增强对局部细节变化的即时捕捉。相反，在低频平滑区域，较小的m导致较大的m，增加历史惯性，有效抑制随机噪声波动。其次，通过将对比度掩码与频域能量融合，我们提取了一个反映当前输入的即时预测权重。使用m作为调节阀，在全局历史权重和即时预测权重之间进行加权更新。最后，将更新后的全局历史权重和即时预测权重通过加权平均融合，得到最终的增强因子，然后将其应用于特征图以完成自适应重建。即时预测权重由以下公式定义：(6)在这个公式中，W1和W2代表1 × 1卷积核；表示GELU激活函数；表示Sigmoid函数。Xfusion是通过沿通道维度连接原始特征、与融合的对比度增强特征Bτ以及频域能量图构建的多模态特征。为了在历史先验和即时特征之间保持平衡，我们定义了基于纹理复杂性的动量系数m如下：(7)在这个公式中，mbase设置为0.9，mmin设置为0.6。使用这个动量系数，模型维护一个全局历史权重，根据以下指数移动平均规则进行更新：(8)在这个上下文中，全局历史权重初始化为一个常数值0.5。其主要目的是通过保留历史统计特征的记忆来平滑即时预测的波动。操作符表示当前训练批次维度的平均函数。最终的特征调整系数由即时权重和历史权重共同确定。最后，将增强因子与SEA分支输出的空间特征一起应用，通过残差连接完成自适应重建。4. 实验为了验证所提方法的有效性，我们在自构建的数据集（GLC-30）和公开可用的基准数据集（NWPU-RESISC45）上进行了广泛的实验。本节详细讨论了数据集特征、实验配置、评估指标以及定性和定量结果的分析。4.1. 数据集在自然资源调查和监测中，现场人员使用手持移动设备捕捉照片证据是一种关键的监测方法。实验使用了自构建的GLC-30数据集，该数据集由广西现场人员在自然资源调查和监测期间使用手持移动设备捕获的近距离地面图像组成。该数据集涵盖了30种典型的土地覆盖类别，共包含大约21,877张图像。如图3所示，该数据集展示的大面积均匀性和环境复杂性构成了本文LACE模块创新设计的核心物理动机。检查图3a–j可以发现，如桉树、松树和柏树等森林样本在宏观层面上表现出强烈的光谱收敛性，而花生和大豆幼苗在早期生长阶段的色调值几乎与群体范围一致。从信号处理的角度来看，区分这些类别的关键特征隐藏在高频空间成分中，例如叶缘的脉冲响应和植物排列的周期性空间频率。传统的Swin Transformer采用基于滑动窗口的自注意力机制，在深度特征聚合过程中倾向于捕捉长期语义依赖性，这容易产生全局平滑效果，导致对局部高频细节的感知变得模糊。此外，图3k–t揭示了基于地面成像视角的环境复杂性。由于不可控制的拍摄环境，地面对象经常受到非均匀光照、云层阴影和复杂背景噪声的影响。这种环境复杂性导致局部图像对比度显著波动，降低了地面对象的边缘轮廓和纹理显著性，使得传统的固定权重注意力机制（如Swin-B中的标准注意力）难以稳定捕捉这些低显著性特征。图3. 数据集样本示例。(a–j)在宏观尺度上非常相似的特征。(k–t)表示有云层覆盖、轻度雾气和阴影的场景中的地面特征。4.2. 实验环境和设置在数据预处理阶段，为了提高模型的泛化能力，本研究采用了多阶段增强流程。首先，输入图像被统一调整为224 × 224像素。在训练过程中，从以下方法中随机选择了两种操作：自动对比度调整、直方图均衡化、最多30°的随机旋转以及强度为0.3的剪切变换，并将它们结合起来以增强图像质量。我们还引入了一种随机擦除技术，其概率为0.25，通过随机遮盖局部区域来模拟遮挡现象。最后，使用ImageNet的平均值（[123.68, 116.28, 103.53]和标准差（[58.40, 57.12, 57.38]）对图像进行了归一化。在验证阶段，首先将图像大小调整为256像素，然后中心裁剪为224 × 224，以确保评估的一致性。数据集以8:2的比例随机分为训练集和测试集，测试集不参与训练。

所提出的方法使用了PyTorch（2.3.1+cu118）深度学习框架来实现。在训练过程中，批量大小设置为16，总共进行了50个周期。我们采用了AdamW优化器，初始学习率为1.25 × 10^-4。值得注意的是，LACE模块的学习率被独立设置为2.5 × 10^-4。为了确保在新模块集成后模型能够稳定收敛，采用了余弦退火调度器与线性热身机制相结合的方法。在前三个周期的热身阶段，学习率从初始学习率的0.001倍线性增加至初始学习率；热身阶段结束后，应用余弦平滑退火公式：

为了全面评估模型的性能，我们选择了Top-1准确率（Top-1 Acc）、宏平均精确度（mPre）、宏平均召回率（mRec）和宏平均F1分数（mF1）作为主要评估指标。Top-1 Acc表示预测概率最高的类别与真实标签匹配的实例比例。其正式定义为：

mPre是通过计算每个类别中真正例预测的数量与所有正例预测数量的比例，并对所有类别取算术平均值来计算的。其正式定义为：

召回率是指模型正确识别出的实际正样本的比例。mF1是通过计算每个类别的召回率并对所有类别取算术平均值来获得的。其正式定义为：

在本研究中，FN表示被错误预测为负类的正样本数量。

4.3 量化比较实验
为了客观评估所提出的LACE-Net方法在土地覆盖分类任务中的有效性和泛化能力，本研究与主流的卷积神经网络（CNNs）——包括ResNet-152 [30]、EfficientNet-B4 [31]和ConvNeXt-Base [32]——以及先进的视觉变换器（ViT）架构（如ViT [23]和Swin-B [7]）进行了全面比较。表1详细展示了每个模型在四个核心性能指标（Top-1 Acc、mPre、mRec和mF1）上的表现。为了确保在最佳配置下的公平比较，EfficientNet-B4使用其推荐的380 × 380输入分辨率进行评估，而所有其他主干网络则遵循计算机视觉中常用的224 × 224分辨率。实验结果表明，我们的方法在所有评估指标上都优于基线模型。在具有挑战性的GLC-30数据集上，基于CNN的ResNet-152和EfficientNet-B4在380 × 380分辨率下的表现相对较差，Top-1 Acc分别为94.10%和95.84%。这表明传统的CNN由于其局部感受野的限制，难以完全捕捉复杂场景中的长距离语义依赖性。与基线Swin-B相比，LACE-Net取得了进一步的性能突破，Top-1 Acc达到了96.48%，mF1提升到了93.13%。mPre从Swin-B的92.02%显著提高到了93.81%，增加了1.79%，证实了LACE模块在增强频域特征方面的有效性。通过补充高频纹理细节，该模型成功减少了“光谱相似但对象不同”场景下的误分类，并显著提高了区分高度相似土地类别的能力。此外，它在公共数据集NWPU-RESISC45上的领先表现证明了其在不同地理场景下的泛化鲁棒性，而不会过度拟合于特定任务。

此外，本研究还评估了所提出方法的计算复杂性（FLOPs）和模型参数数量（Parameters），并与主流基准模型进行了比较，结果总结在表2中。数据显示，LACE-Net需要15.17 G FLOPs和87.34 M参数。与主干网络Swin-B相比，LACE模块的集成仅导致FLOPs增加了0.03 G，参数增加了0.06 M。这种微不足道的资源开销有力地证明了所提模块的轻量级特性。同时，与类似规模的模型（如ViT（16.86 G）和ConvNeXt-Base（15.36 G）相比，LACE-Net不仅保持了更低的计算复杂性，还实现了更高的分类准确性（如表1所示）。这表明LACE-Net并不依赖增加参数数量来换取准确性；相反，它通过高效的频域特征挖掘实现了性能和计算成本之间的最佳平衡。

4.5 熔化实验与分析
本节进行了一系列比较实验，以全面研究LACE模块的核心组件、超参数设置和插入点对模型性能的影响，并验证每个设计决策的有效性。

4.5.1 分析LACE中每个组件的贡献
为了验证LACE模块内各个组件的单独贡献，我们基于Swin-B基线进行了消融研究，如表3所示。实验结果表明，在将EMA集成到Swin-B后，除了mF1之外，所有指标都有不同程度的下降。这证实了在复杂的遥感场景中，尽管EMA的双向并行路径执行复杂的跨空间加权聚合，但这种高度集成的注意力映射往往会过度平滑特征，从而削弱了细粒度对象之间的区分能力。相比之下，SEA分支最小化了过度平滑的问题，同时保留了空间增强信息。模型的mPre提高到了93.44%，mF1提高到了92.81%，表明该分支增强了模型表示类别边界和区分特征的能力。加入CEB后，模型在所有指标上都有所改进，mPre和mF1分别达到了93.71%和92.99%。值得注意的是，CEB在各个组件中带来了最显著的收益，突显了局部对比度增强机制在区分细粒度土地覆盖纹理方面的积极作用。LFE分支也提供了稳定的性能提升，使mF1提高到了92.58%，验证了频域特征在补充空间信息方面的效用。然而，其提升幅度略低于CEB。

4.5.2 分析LACE嵌入位置的分层协同效应
对Swin-B主干网络中不同插入点的LACE模块进行比较分析后发现，模型的性能呈现出明显的倒U形趋势，在第2阶段和第3阶段之间达到峰值，Top-1 Acc为96.48%，mF1为93.13%，如表4所示。从特征表示层次的角度来看，在网络的浅层（第1阶段之前），特征图具有极高的空间分辨率并包含大量原始的高频噪声。在此阶段引入对比度增强很可能会放大非区分性的冗余信息，从而干扰基本特征的提取。相反，在非常深的层（第4阶段及以后），特征通过多次下采样步骤被高度抽象化。分辨率的急剧下降导致细粒度频率信号的丢失，限制了频率增强对语义重建的边际贡献。相比之下，在中间层嵌入该模块可以精确捕捉具有一定语义背景的特征，同时保留适度的空间细节，有效补偿了Swin Transformer在中间层特征传播过程中的纹理退化。

4.5.3 不同方向上的局部频率操作器的比较
本研究发现，在水平和垂直方向使用正交频率检测操作器的效果优于包含对角线的多方向组合，如表5所示。0° + 90°组合通过非对称卷积实现了对核心结构特征的有效覆盖，避免了由于过度光谱重叠引入的各向异性噪声。这确保了局部频率能量在作为纹理引导的自适应动量调节机制中的增强因子α时具有更高的空间选择性和信噪比。

4.5.4 不同尺寸频率内核的性能比较
表6评估了不同内核尺寸对模型性能的影响。实验发现，(1 × 5) & (5 × 1)组合的卷积内核实现了性能的最佳平衡。从时空整合的角度来看，较小的内核尺寸（1 × 3) & (3 × 1)由于感受野不足，难以捕捉到具有区分性的长距离纹理模式；相反，过大的内核尺寸（1 × 7) & (7 × 1)虽然在扩展空间覆盖范围的同时，往往会引入不必要的背景偏差，导致频率响应失真。(1 × 5) & (5 × 1)配置在保持对局部特征的敏感性和全局能量分布之间实现了准确的平衡。

4.5.5 基于纹理复杂性的动态动量策略验证
表7比较了固定值和动态调整方案，验证了方程(7)中的动量系数m对特征表示演化稳定性的影响。结果表明，根据纹理复杂性动态调整m ∈ [0.6, 0.9]可以获得最佳结果。当m设置为相对较高的固定值0.9时，模型表现出强大的历史平滑能力，并能够抑制随机噪声干扰；然而，这通常会导致模型捕捉当前场景中瞬态对象的细节变得缓慢。相反，较低的固定值0.6提高了模型对当前输入的响应能力，但在复杂背景中容易导致特征表示的振荡。动态策略在抑制随机噪声干扰和保持特征更新敏感性之间建立了动态平衡，从而显著增强了特征演化的鲁棒性。

4.5.6 混淆矩阵分析
为了全面评估LACE-Net模型在复杂地理环境中的分类性能，本研究对公共数据集NWPU-RESISC45和内部数据集GLC-30上的基线模型Swin-B和所提模型进行了混淆矩阵的定量比较，如图4和图5所示。图4显示了Swin-B和LACE-Net在GLC-30测试集上的混淆矩阵。(a) Swin-B在GLC-30上的混淆矩阵；(b) LACE-Net在GLC-30上的混淆矩阵。图5。Swin-B和LACE-Net在NWPU-RESISC45测试集上的混淆矩阵。(a) Swin-B在NWPU-RESISC45上的混淆矩阵；(b) LACE-Net在NWPU-RESISC45上的混淆矩阵。LACE-Net在GLC-30数据集的分类任务中表现出显著的性能提升，特别是在森林和作物类别之间的细粒度区分上。在森林类别中，松树（标签15）的分类准确率比基线Swin-B模型提高了6个百分点，而柏树（标签12）的分类准确率也提高了2个百分点。这一改进主要归功于LFE模块捕捉高频纹理信息的能力，有效克服了传统Transformer深度特征中常见的过度平滑现象。这使得模型能够准确提取针叶林特有的周期性高频分布特征，从而将其与混合森林（标签21）等干扰类别区分开来。稻田（标签14）和菜田（标签25）的准确率同时提高，有效减少了与具有相似光谱特征的干旱土地等对象的混淆。这充分验证了纹理自适应动量调整机制的有效性，该机制通过增强作物垄沟的纹理和局部对比度，提高了模型在复杂光照条件下解析对象语义边界的能力。此外，LACE-Net在桉树（标签24）上的表现下降了3个样本，大部分误分类转移到了松树和其他杂树上。这可能表明，虽然LACE模块增强了某些纹理特征，但在特定光照条件下无意中加剧了桉树和松树之间的重叠。在NWPU-RESISC45遥感图像数据集上，LACE-Net还展示了出色的跨尺度特征建模能力，特别是在解决高类内变异性和高类间相似性引起的语义混淆问题方面取得了突破。对于具有强烈结构特征的交通和工业设施，铁路（标签42）类别的正确分类数量增加了4个，有效缓解了Swin-B在区分铁路和火车站（标签43）时面临的困难。同时，热电站（标签11）和跑道（标签2）等类别的准确率提高进一步表明，LACE-Net可以通过局部频率增强来补偿空间域特征的丢失，使模型在处理工业规模复杂结构时能够实现更高的几何保真度。尽管在解决教堂（标签20）和宫殿（标签40）等具有高度重叠建筑风格的语义对之间的极其微妙的几何结构差异时，模型仍存在一定的混淆，但类边界的整体纯度有了显著提升。总之，无论是从地面微观视角还是遥感宏观视角来看，LACE-Net通过局部频率和对比度的协同增强，显著提高了细粒度对象的区分能力，展示了强大的泛化能力和学术应用价值。

4.6. 可视化分析
为了直观分析模型在特征提取过程中的关注差异，我们使用Grad-CAM来可视化和比较基线Swin-B模型和改进后的LACE-Net模型在GLC-30数据集上的类别激活图。如图6所示，Swin-B的激活图（b）和（e）显示出注意力的显著扩散和背景偏差，表明基线模型难以准确定位关键的土地覆盖特征。相比之下，LACE-Net的激活图（c）和（f）表现出更强的特征聚焦和噪声鲁棒性。这归功于频率域感知和自适应增强模块的集成，LACE-Net的热图中的高响应区域与树木的树冠结构和高频纹理细节紧密对齐。这有效地抑制了来自复杂背景噪声（如地面植被）的干扰。这种清晰的注意力聚焦细化提供了强有力的证据，证明我们的方法能够成功引导网络将高度区分性的细粒度纹理与全局背景分离。因此，这为模型分类性能的提高提供了直观的解释。

图6. LACE-Net和Swin-B之间的Grad-CAM比较。(a) 松树的原始图像；(b) Swin-B对松树的Grad-CAM；(c) LACE-Net对松树的Grad-CAM；(d) 松树的原始图像；(e) Swin-B对松树的CAM；(f) LACE-Net对松树的CAM。
为了进一步从特征空间几何的角度验证我们模型的区分能力，我们使用了UMAP算法对Swin-B基线和提出的LACE-Net的高维特征分布进行了降维和可视化。如图7所示，虽然Swin-B模型的特征空间表现出一般的聚类趋势，但高度相似的土地覆盖类别之间存在显著的特征重叠，且簇间边界仍然模糊。这表明基线模型在处理细粒度纹理时缺乏足够的特征区分能力。相比之下，LACE-Net生成的特征分布（图8）显示出更优越的聚类特性。具体来说，每个类别内的样本分布更加紧凑（类内距离显著减小），而不同簇之间的分离明显加大（类间可分性增强）。这种紧凑的类内结构和分散的类间结构直观地证实了LACE模块有效地引导网络提取更具区分性的语义和纹理表示。这显著降低了细粒度土地覆盖识别中的混淆概率，并为分类性能的提高提供了可解释的特征级证据。

图7. Swin-B的UMAP特征可视化。
图8. LACE-Net的UMAP特征可视化。

5. 结论
本文针对现有土地覆盖分类模型的局限性进行了探讨，特别是它们在频率域中对局部纹理信息的利用不足以及在复杂光照条件下的特征显著性低的问题，提出了一种重构的LACE-Net架构。通过在Swin Transformer主干网络中集成局部频率域能量和自适应对比度增强，该架构能够有效地从土地覆盖图像中提取高频纹理特征，并自适应地增强特征图的对比度。实验结果表明，我们的方法在广西地区的多类土地覆盖数据集上表现出优越的性能。它在包括Top-1 Acc、mPre和mF1在内的关键指标上始终优于当前的最先进模型，有效解决了与高度相似的土地覆盖类别相关的误分类问题。尽管该方法表现出了良好的性能，但仍有一定的改进空间。在未来的工作中，我们将探索更有效的局部几何建模和全局上下文表示的集成，以进一步提高对细结构和不规则土地覆盖边界的区分能力[33,34]。此外，将提出的框架扩展到更多多样的遥感数据集和复杂的真实世界场景中，可能会进一步提高其鲁棒性和泛化能力。