来源：期刊VIP网 时间：
作者：刘耀辉;张树哲;王欣凯;周炳任;张天宇;王晋;
单位：山东建筑大学测绘地理信息学院;山东建筑大学资源与环境创新研究院;
摘要：针对现有方法在复杂场景下面临的语义信息模糊与边界表征失真问题，提出基于状态空间模块(VSS)的CLmamba模型。该模型突破传统卷积神经网络与Transformer的架构范式，自适应捕获建筑物轮廓的局部几何特征与全局拓扑关联。此外，设计了跨空间学习融合(CLF)模块，该模块通过构建特征空间与位置空间的跨域映射关系，增强了模型从遥感图像中提取相关特征信息和检测边缘信息的能力。在Massachusetts数据集、INRIA数据集和WHU数据集上与多个神经网络模型进行对比实验。其中，在Massachusetts数据集上的实验结果表明，CLmamba的准确率达到94.54%,F1分数为85.16%,交并比为74.72%。结果验证了CLmamba在建筑物提取任务中的有效性。
关键词：语义分割;;遥感;;建筑物提取;;CLmamba;;跨空间学习
基金资助：国家自然科学基金项目(42201077);; 山东省自然科学基金项目(ZR2021QD074);; 中国博士后科学基金项目(2023M732105);; 山东省高等学校青年创新团队项目(2024KJH087)
