基于全局-局部Mamba与文本引导的多模态遥感图像语义分割模型
Abstract
高分辨率遥感图像具有场景复杂、目标尺度多样，以及类间相似性高等特点，导致依赖图像的单模态方法难以准确分割不同类别。同时，现有Mamba方法中的全局扫描策略忽略了局部空间连续性，从而影响对小目标物体的识别效果。为此，提出一种基于全局-局部Mamba的多模态遥感图像语义分割模型（GLMSeg）。该模型采用编码器-解码器结构：利用轻量级图像编码器和CLIP文本编码器分别提取图像和文本特征，并通过多模态特征融合模块实现跨模态特征融合；解码器设计了全局-局部视觉状态空间模块，采用窗口扫描策略捕捉局部特征，并在跳跃连接处引入全局注意力机制，实现跨尺度特征融合。实验结果表明，在Potsdam、Vaihingen和LoveDA数据集上，GLMSeg的平均交并比分别达到79.99%、78.82%和52.67%，相比DenseCLIP提升了2.13百分点、4.81百分点和1.22百分点，表现出优异的性能。所提方法为遥感图像语义分割提供了新的解决方案，在遥感智能解译任务中具有重要的实际应用价值。
Fields of Study & Subjects
Remote-Sensing Image Classification
Advanced Neural Network Applications
Automated Road and Building Extraction
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0228003–0228003
- Publication date
- 1 January 2026
- Language
- EN