遥感图像通常具有复杂背景、尺度和方向变化以及大的类内方差（intra-class variance）等特点。通用的语义分割方法通常未能充分研究上述问题，因此其在遥感图像分割上的性能受限。本文中，我们提出了 LOGCAN++，一个为遥感图像定制的语义分割模型，它由一个全局类别感知（Global Class Awareness, GCA）模块和若干个局部类别感知（Local Class Awareness, LCA）模块组成。GCA 模块捕获全局表示以进行类别级上下文建模，以减少背景噪声的干扰。LCA 模块生成局部类表示作为中间感知元素，以间接地将像素与全局类表示关联起来，旨在处理大的类内方差问题。特别地，我们在 LCA 模块中引入了仿射变换（affine transformations），用于自适应地提取局部类表示，以有效容忍遥感图像中的尺度和方向变化。在三个基准数据集上的大量实验表明，我们的 LOGCAN++ 优于当前主流的通用和遥感语义分割方法，并在速度和精度之间实现了更好的平衡。

遥感图像语义分割旨在为图像中地理空间对象的每个像素分配明确的类别。该技术在环境保护 [1]、资源调查 [2]、城市规划 [3,4] 等领域具有广泛应用。近年来，遥感平台与传感器的快速发展使得遥感图像的空间分辨率、光谱分辨率和时间分辨率不断提高 [5]，这为精细观测地球表面特征提供了可能。因此，为满足处理海量数据的需求，更先进的遥感图像语义分割技术不断涌现 [6,7]。

与自然图像相比，遥感图像语义分割面临更大挑战，主要原因如下：

1. 背景复杂：遥感图像语义分割的目标是分割建筑物、道路、河流等地理空间对象。这些对象在不同场景中通常具有多样的形状、分布和位置（如图 1 所示），极其复杂的场景会导致大量误检。
2. 类内差异大：对于同一类别的对象（如建筑物、道路、农田），由于其尺寸、形状、颜色、光照条件乃至成像条件的差异，提取的语义特征存在较大差异。此外，复杂背景进一步增大了类内差异，而类内差异大不利于语义类别的识别。
3. 尺度与方向多变：自然图像中的对象受重力影响，通常朝向一致且尺度差异较小。然而，由于遥感图像采用俯视视角且成像范围大，图像中的对象往往具有不同朝向，且尺度差异显著。因此，遥感图像分割需要专门的上下文建模技术来应对这种尺度与方向变化。

本文致力于设计一种高效的网络结构来解决上述问题。首先，我们对基于卷积的神经网络进行分析。现有的基于卷积神经网络（Convolutional Neural Network, CNN）的语义分割方法主要关注上下文建模 [8-12]，可分为空间上下文建模和关系上下文建模两类。空间上下文建模方法（如 PSPNet [8]、DeepLabv3+[13]）采用空间金字塔池化（Spatial Pyramid Pooling, SPP）或空洞空间金字塔池化（Atrous Spatial Pyramid Pooling, ASPP）来整合空间上下文信息。尽管这些方法能捕捉同类上下文依赖关系，但忽略了类别间的差异，在处理具有复杂特征和大光谱差异的遥感图像时，可能会产生不可靠的上下文信息。

关系上下文建模方法基于注意力机制捕捉异类依赖关系。非局部神经网络 [9] 通过计算图像内像素对的相似度进行加权聚合；DANet [10] 则利用空间注意力和通道注意力进行选择性聚合。然而，这类密集注意力操作并不适用于遥感图像，因为复杂的背景会导致这些操作产生大量背景噪声，从而降低语义分割性能。

近年来提出的类别级上下文建模方法（如 ACFNet [14]、OCRNet [15]、CCENet [16]、HMANet [17]）通过利用全局类别表征整合类别级上下文（即类别中心），能够减少密集注意力带来的背景噪声干扰，但在遥感图像上的表现仍不理想。这是因为遥感图像类内差异大，导致特征与全局类别中心之间存在较大语义差距，进而影响模型性能。

因此，我们将目光转向基于 Transformer 的方法 [18-22]。由于其核心组件是空间自注意力，在处理遥感图像时同样面临大量背景噪声干扰的问题，导致在大多数遥感数据集上性能较差。特别是，空间自注意力操作的二次计算复杂度使其在处理高分辨率遥感图像时，会产生巨大的计算成本和内存消耗。更重要的是，上述所有方法都忽略了遥感图像的关键属性 —— 尺度与方向变化。因此，有必要开发一种能够针对遥感图像这些特征的模型，以提升分割性能。

本文提出了一种新颖的局部 – 全局类别感知网络 LOGCAN++，该网络包含两个关键组件：全局类别感知（GCA）模块和局部类别感知（LCA）模块。GCA 模块参考了已有研究 [14,15] 的设计思路，通过提取全局类别中心进行类别级上下文建模，减少背景噪声干扰。同时，LCA 模块旨在缓解类内差异问题，创新性地将局部类别中心作为中间感知单元，间接将像素与全局类别中心关联起来。特别地，在局部类别中心提取过程中，我们引入了仿射变换块（Affine Transform Block, ATB），该模块通过仿射变换函数将默认的局部窗口转换为目标四边形，从而使局部窗口的大小、形状和位置能够适应不同的地理空间对象。这样，ATB 生成的局部类别中心基于对象内容，能够很好地应对遥感图像中的尺度与方向变化。

本文的主要贡献总结如下：

1. 设计了一种新颖的局部 – 全局类别感知策略，通过将局部类别中心作为中间感知单元，间接将像素与全局类别中心关联，有效缓解了遥感图像中的类内差异问题。
2. 首次引入仿射变换块用于提取局部类别中心，以适应不同尺寸、形状和朝向的地理空间对象，从而很好地应对遥感图像的尺度与方向变化。
3. 提出了专为遥感图像特征设计的语义分割模型 LOGCAN++。在三个遥感图像语义分割基准数据集上的大量实验结果表明，LOGCAN++ 优于其他最先进的方法，并且在精度与效率之间实现了更好的平衡。

本文是我们之前会议论文 [23] 的扩展版本，主要在以下三个方面对前期工作进行了拓展：

标准化实验设置并补充了充分的实验：新增了在更大规模 LoveDA 数据集上的实验，同时提供了更多的定量对比结果、定性分析和消融实验，通过更充分的实验数据验证 LOGCAN++ 的有效性。

引入仿射变换改进 LCA 模块，通过将默认局部窗口转换为目标四边形，适应不同尺寸、形状和朝向的地理空间对象，从而更好地应对遥感图像的尺度与方向变化。

将 LCA 模块中的注意力操作扩展为多头注意力，以提升模型捕捉复杂像素 – 类别中心关系的能力，并避免单一注意力机制可能导致的过拟合问题。

语义分割本质上是图像分类的延伸，从对图像整体的分析扩展到对像素级的分析。传统语义分割方法通常为每个像素点设计手工特征描述符以进行特征提取，但设计特征描述符耗时耗力，且手工特征的鲁棒性较差，需要大量专家先验知识。全卷积网络（Fully Convolutional Network, FCN）[24] 创新性地提出了一种端到端的方法，专门用于处理像素级分类任务。然而，卷积网络有限的感受野成为了性能瓶颈。为解决这一问题，后续研究聚焦于上下文建模，旨在通过空间上下文建模和关系上下文建模扩大感受野、捕捉全局信息，从而提升特征表征能力。代表性工作包括 PSPNet [8]、DeepLab 系列 [25,26,27,13]、DenseASPP [28]、DMNet [29] 等。

为进一步增强关系上下文建模，近年来的研究 [10,30,31] 常基于注意力操作构建模型。Wang 等人 [9] 采用自注意力机制，使任意位置的单个特征都能感知其他所有位置的特征；Fu 等人 [10] 引入双重注意力机制，更好地捕捉特征间的关系，提升语义分割性能；Huang 等人 [11] 计算特征图行与列之间的交叉注意力，使每个位置都能感知其他位置的上下文信息，提高语义分割精度。

与在整个特征图上进行密集关系建模不同，部分研究 [14,15,32-34] 从类别角度进行上下文建模，通过计算像素与类别级上下文的相似度以及对类别级上下文进行加权聚合，提高类内紧致性。Zhang 等人 [14] 首次提出类别中心的概念，从类别角度提取全局上下文；Yuan 等人 [15] 提出对象上下文表征，通过计算每个像素与每个目标区域的关系，并将所有目标区域表征加权聚合为目标上下文表征，增强每个像素的表征能力；Jin 等人 [35] 提出分别聚合图像级和语义级上下文信息，以增强像素表征。

Transformer [36] 近年来在计算机视觉领域得到广泛应用 [37-41]。例如，ViT [42] 将输入图像划分为块，并将其转换为向量序列，但在处理大尺寸图像时效率较低，且不适用于图像分割等多尺度、密集预测任务。为解决这些问题，Swin Transformer [43] 引入窗口机制和多尺度设计，以克服这些局限性。在语义分割领域，Transformer 已通过 Segmenter [18] 对 ViT 的应用以及 SegFormer [19] 的无位置依赖多尺度编码策略得到有效应用。近年来，基于掩码分类的方法逐渐流行 [44-47]，MaskFormer [44] 将语义分割转化为更通用的掩码分类任务，而 Mask2Former [21] 通过掩码注意力机制进一步提升了该方法的效率和性能。

综上所述，上述方法在自然图像上取得了显著成果，但应用于遥感图像时，由于忽略了遥感图像背景复杂、尺度与方向多变、类内差异大的特征，性能并不理想。例如，近期的通用分割方法（如 Segmenter [18]、DDP [48]）虽然具有较多参数和较大计算量，但在遥感图像上的性能并未与其模型规模相匹配（详细数据见表 1、表 2 和表 3）。这促使我们提出 LOGCAN++，其网络结构专门针对遥感图像的这些特性进行设计。

遥感图像语义分割方法可分为两类技术路线：特定应用场景方法和通用应用场景方法。

前者与通用语义分割方法思路相似，但针对特定应用场景（如土地利用 / 土地覆盖（Land Use and Land Cover, LULC）分类 [49,3,50]、建筑物提取 [51,52,53]、道路提取 [54,55,56,57]、车辆检测 [58]）进行改进。例如，Jung 等人 [51] 引入整体边缘检测（Holistic Edge Detection, HED），在结构化编码器上提取边缘特征，以增强遥感图像中建筑物边缘的清晰度；Bastani 等人 [57] 通过基于 CNN 的决策函数引导的迭代搜索过程，实现从 CNN 输出中直接生成道路网络图；Mou 等人 [58] 基于残差学习原理，从不同残差块中有效学习多级上下文特征表征；Luo 等人 [54] 结合 CNN 和 Transformer 技术，设计双向 Transformer 模块，有效捕捉全局和局部上下文信息。然而，这些方法主要聚焦于特定应用场景的改进，忽略了遥感图像目标分割中类内差异大、尺度与方向多变等共性问题，应用范围受限。

近年来，针对通用应用场景的分割模型（如 LANet [59]、MANet [60]、PointFlow [61]、SCO [62]、GLOTs [63]、FarSeg++[64]）也得到了广泛研究。但这些方法仍未充分考虑遥感图像背景复杂、尺度与方向多变、类内差异大的特征，限制了模型性能的进一步提升。例如，Ding 等人 [59] 提出利用局部注意力块增强上下文信息嵌入，虽能缓解对象尺度变化和类内差异问题，但忽略了复杂背景带来的挑战；Zheng 等人 [64,65] 通过学习前景 – 场景关系来关联前景相关上下文，增强前景特征的区分度，尽管能很好地增强前景特征，但忽略了遥感图像中较大的类内差异，导致类内特征紧致性较差。特别是，这些方法对遥感图像尺度与方向多变的特征考虑不足。因此，由于结构设计上的缺陷，这些方法的性能仍有提升空间。

由于遥感图像通常存在背景复杂、尺度与方向多变、类内差异大的问题，我们提出了一种局部 – 全局类别感知网络 LOGCAN++ 来应对这些挑战。LOGCAN++ 的整体架构如图 2 所示，由骨干网络、一组局部类别感知（LCA）模块和一个全局类别感知（GCA）模块组成。

具体而言，首先将输入的高分辨率遥感图像 I 输入到骨干网络中，提取多尺度特征R1​、R2​、R3​和R4​（分别对应原始分辨率的 1/4、1/8、1/16 和 1/32）。其中，最深层特征R4​被输入到 GCA 模块中，以获取全局类别中心Cg​。随后，将特征R4​与全局类别中心Cg​一同输入到 LCA 模块中进行类别级上下文建模。得到的上下文增强输出特征Ro4​与浅层特征R3​拼接后，再次输入到 LCA 模块中。该过程重复三次，得到增强后的多尺度特征Ro1​、Ro2​、Ro3​和Ro4​。最后，将增强后的特征沿通道维度拼接，并通过一个简单的 1×1 卷积得到最终的预测结果。下文将详细介绍 GCA 模块、LCA 模块和损失函数的具体细节。

我们在三个公开的高分辨率遥感（Remote Sensing, RS）数据集上对所提方法进行评估，包括 ISPRS Vaihingen 数据集 [72]、ISPRS Potsdam 数据集 [72] 和 LoveDA 数据集 [73]。

Vaihingen 数据集

Vaihingen 数据集由国际摄影测量与遥感学会（International Society for Photogrammetry and Remote Sensing, ISPRS）于 2014 年发布，已成为高分辨率遥感图像语义分割领域广泛使用的基准数据集。该数据集包含德国 Vaihingen 地区的高分辨率航空影像，对六种土地覆盖类别进行了详细的人工标注，分别为：不透水面（Impervious surfaces）、建筑物（Buildings）、低矮植被（Low vegetation）、树木（Trees）、车辆（Cars）以及杂乱背景（Clutter/Background）。

数据集包含 33 幅真彩色正射影像（True Orthophoto, TOP），每幅影像的空间分辨率为 0.09 米 / 像素，宽度范围在 1887 至 3816 像素之间。为评估分割性能，我们选取 ID 为 1、3、5、7、11、13、15、17、21、23、26、28、30、32、34、37 的影像用于训练，其余 14 幅影像用于测试。我们将 TOP 影像分割为 512×512 像素的图像块，且采用 512 像素的步长，以优化处理与分析效率。

Potsdam 数据集

Potsdam 数据集同样是高分辨率遥感图像语义分割系统开发与评估的常用数据集，其数据结构与 Vaihingen 数据集相似。该数据集包含 38 幅高质量影像块，每幅影像的地面采样距离（Ground Sample Distance, GSD）为 5 厘米，分辨率为 6000×6000 像素。数据集涵盖多个光谱波段（红、绿、蓝、近红外）、数字表面模型（Digital Surface Model, DSM）以及归一化数字表面模型（Normalized Digital Surface Model, NDSM）。在本实验中，我们主要关注红、绿、蓝三个波段。

参考 Vaihingen 数据集的划分方式，研究人员通常选取 ID 为 2_10、2_11、2_12、3_10、3_11、3_12、4_10、4_11、4_12、5_10、5_11、5_12、6_7、6_8、6_9、6_10、6_11、6_12、7_7、7_8、7_9、7_11、7_12 的影像块用于训练，其余 14 幅影像块用于测试。

LoveDA 数据集

LoveDA 数据集于 2021 年发布，是一个面向高分辨率遥感图像语义分割的综合数据集，以复杂背景、多样对象尺度和多变类别分布为显著特点。该数据集包含 5987 幅影像，每幅影像分辨率为 1024×1024 像素，涵盖七个类别：建筑物（Building）、道路（Road）、水体（Water）、植被（Vegetation）、车辆（Car）、杂乱区域（Clutter）和背景（Background）。

数据集覆盖面积达 536.15 平方公里，地面采样距离为 0.3 米，包含中国南京、常州、武汉三座城市的城乡场景。由于存在多尺度对象和不一致的类别分布，该数据集具有较大挑战性。数据集的标准划分方式为：2522 幅影像用于训练，1669 幅用于验证，1796 幅用于测试。

为保证对比公平性，我们选用 ResNet-50 [74] 作为骨干网络 [59,64]。在训练设置方面，输入图像分辨率为 512×512 像素，批大小（batch size）设为 8。采用随机梯度下降（Stochastic Gradient Descent, SGD）优化器，初始学习率为 0.01，动量为 0.9，权重衰减为 0.0005。训练过程共进行 80000 次迭代，并采用多项式学习率策略。

为提升模型的泛化能力，我们采用了多种数据增强技术，包括随机翻转、缩放（缩放范围为 0.5-1.5）和光度失真。测试阶段采用多尺度增强策略，具体包括图像缩放（缩放范围为 0.5-1.5）和随机翻转。

所有实验代码基于 PyTorch 框架实现，运行环境为配备 48GB 显存的 NVIDIA A6000 显卡，操作系统为 Linux Ubuntu 20.04。

为验证 LOGCAN++ 的有效性，我们首先在 Vaihingen 数据集上开展实验。对比方法包括基于卷积的方法（如 PSPNet [8]、DeepLabV3+[13]、Semantic FPN [67]、DANet [10]、OCRNet [15]、FarSeg [65]）、基于 Transformer 的方法（如 Segmenter [18]、DC-Swin [68]、UnetFormer [20]、EfficientViT [69]）以及基于扩散模型的方法（如 DDP [48]）。

如表 1 所示，LOGCAN++ 取得了最优的分割性能。具体而言，与近期的通用分割方法（如 DDP）和遥感分割方法（如 UnetFormer）相比，我们的方法在 mIoU 指标上分别提升了 2.05% 和 1.23%。特别地，对于建筑物这类类内差异较大的类别，我们的方法实现了 91.85% 的 mIoU 值，优于其他主流方法，验证了局部 – 全局类别感知策略的有效性。此外，针对车辆这类小目标，我们的方法相较于 DDP 在 mIoU 上提升了 1.82%，这表明仿射变换的引入增强了对小目标的细粒度识别能力。

此外，与近年来一系列主流方法相比，LOGCAN++ 还具备良好的效率优势。具体而言，若移除 GCA 模块并改用局部类别中心，模型参数会减少 0.1M，计算量（FLOPs）会减少 0.01G；若移除 LCA 模块并改用全局类别中心，模型参数会减少 2.06M，计算量会减少 10.744G。这些结果表明，LCA 和 GCA 模块的设计具有轻量化特性。

与当前最先进的方法 DDP 相比，LOGCAN++ 的参数仅为 DDP 的 78%，计算量仅为 DDP 的 21%，但性能更优（F1 分数达 84.22）。与轻量化方法 UnetFormer 和 EfficientViT 相比，LOGCAN++ 的效率相当或略有优势，同时性能显著提升，在 F1 指标上分别提高了 1.52 和 7.78。综上，所提 LOGCAN++ 在精度与效率之间实现了更好的平衡。

为探究 LOGCAN++ 对像素特征生成过程的影响，图 4 可视化了 Vaihingen 测试集影像的特征分布。具体而言，我们采用 t-SNE [71] 方法，对 FarSeg、UnetFormer 和 LOGCAN++ 最后一层输出的特征进行可视化。可以观察到，FarSeg 和 UnetFormer 提取的不透水面与建筑物类别的特征分布存在交叉重叠，而 LOGCAN++ 提取的这两类特征具有良好的分离度。此外，对于建筑物类别，LOGCAN++ 提取的特征更为紧致。

这一现象可归因于：我们提出的局部 – 全局类别感知策略有效缓解了类内差异问题，并实现了与全局类别中心的更优交互，从而提取出更具区分性的特征。综上，与 FarSeg 和 UnetFormer 相比，LOGCAN++ 提取的特征具有更高的类内紧致性和类间分离度。

此外，图 5 可视化了不同模型输出的分割掩码，以定性对比 LOGCAN++ 与其他竞争方法的分割性能（所有输入影像均来自 Vaihingen 测试集）。具体而言，对于第一幅输入影像，UnetFormer [20] 和 EfficientViT [69] 在建筑物类别的掩码边界上存在模糊问题；对于第二幅输入影像，FarSeg [65] 在建筑物类别掩码上出现碎片化现象（部分像素被误分类为不透水面）。

相比之下，LOGCAN++ 输出的掩码中，两幅影像的建筑物均具有更完整的形状和更清晰的边界。对于第三幅影像，LOGCAN++ 能够准确识别车辆，而 UnetFormer 和 DDP [48] 等方法会将车辆误分类为建筑物。此外，LOGCAN++ 对低矮植被区域的分割完整，而 FarSeg 由于低矮植被与不透水面的光谱和形状极为相似，出现了部分像素误分类为不透水面的情况。这些结果表明，LOGCAN++ 具有更优的语义识别能力和可视化效果。

我们同样在 Potsdam 数据集上开展实验，以验证 LOGCAN++ 的有效性。如表 2 所示，LOGCAN++ 显著优于所有其他最先进方法，具有明显优势。具体而言，与 EfficientViT 和 DDP 等近期分割方法相比，我们的方法在 mIoU 指标上分别提升了 5.20% 和 0.81%。

特别地，Potsdam 数据集上呈现出与 Vaihingen 数据集相似的现象：对于建筑物、不透水面这类类内差异较大的类别，LOGCAN++ 分别实现了 93.76% 和 87.51% 的 mIoU 值；对于车辆这类小目标，LOGCAN++ 的 mIoU 达 93.13%，远优于其他方法。这进一步验证了：通过局部 – 全局类别感知策略和仿射变换，LOGCAN++ 能够有效应对遥感图像背景复杂、尺度与方向多变、类内差异大等挑战。

类似地，图 6 可视化了 Potsdam 测试集影像的特征分布。对于不透水面、树木等类别，LOGCAN++ 提取的特征具有更优的类内紧致性。我们认为，原因在于俯视视角下的不透水面和树木通常形状不规则，且尺度与方向变化频繁，而 LOGCAN++ 基于仿射变换，能够缓解上述现象导致的类内特征差异过大问题。此外，LOGCAN++ 不同类别间的特征分布交叉更少。这些定性结果表明，LOGCAN++ 能够获取更高质量的语义特征。

此外，我们还可视化了 LOGCAN++ 与其他竞争方法输出的分割掩码。如图 7 所示，第一幅影像中，LOGCAN++ 能够保留更清晰的建筑物边界；第二幅影像中，LOGCAN++ 能够在复杂背景下识别出低矮植被；第三幅影像中，LOGCAN++ 显著减少了复杂背景导致的误检。这些结果表明，得益于其结构设计的有效性，LOGCAN++ 能够显著提升分割掩码的质量。

表 3 对比了 LoveDA 数据集上的实验结果。显然，LOGCAN++ 在 LoveDA 数据集上大幅优于其他最先进方法。与 EfficientViT 和 DDP 等近期分割方法相比，我们的方法在 mIoU 指标上分别提升了 6.23% 和 0.81%。此外，LOGCAN++ 在建筑物、荒地等易混淆类别上的性能提升尤为明显。

需要注意的是，与 Vaihingen 和 Potsdam 数据集相比，LoveDA 数据集的背景更复杂、样本量更大，且地理场景差异显著（如城市与乡村）[73]。因此，可合理得出结论：LOGCAN++ 的有效设计使其在更具挑战性的分割场景中仍能持续取得优异性能。

图 8 可视化了 LoveDA 验证集影像的分割掩码。对于第一幅影像中的农田类别，其他对比方法会将其误分类为建筑物或水体，而 LOGCAN++ 能够识别出正确的语义类别。尽管其掩码形状并非完全完整，但我们的方法已展现出更优的类别识别能力，这可归因于 LOGCAN++ 基于局部 – 全局类别感知策略，增强了特征的区分性。

此外，对于第二幅和第三幅影像，LOGCAN++ 分割出的形状更完整，而对比方法的掩码往往存在碎片化问题。这些优异的可视化结果进一步验证了 LOGCAN++ 在遥感图像语义分割任务中的有效性。

为进一步验证模型设计的有效性，我们在 Vaihingen 数据集上开展了一系列消融实验。总体而言，我们针对模型结构、仿射变换块（ATB）设计、局部块数量以及多头注意力的头数进行了消融分析。这些实验与分析为确定最优模型设计提供了依据，下文将详细阐述。

表 5 对比了使用骨干网络不同层生成的特征图（分辨率不同）进行预分类并推导全局类别中心时的模型性能。结果表明，当模型使用最深层特征图时，性能达到峰值，尤其在车辆等小目标上的性能提升显著。我们认为，最深层特征图能有效滤除大量噪声干扰，使模型聚焦于小目标的关键信息，从而提升识别能力。

本文首先详细分析了遥感图像的特征（即背景复杂、尺度与方向多变、类内差异大）。在此背景下，我们提出了高度定制化的 LOGCAN++，以应对上述特征带来的分割挑战。具体而言，LOGCAN++ 基于局部 – 全局类别感知策略，减少背景噪声干扰并缓解类内差异问题。特别地，由于在局部类别中心提取过程中引入了仿射变换，LOGCAN++ 能够很好地适应遥感图像中的尺度与方向变化。

在三个遥感语义分割数据集上的实验结果表明，LOGCAN++ 显著优于其他最先进方法，且在精度与效率之间实现了更好的平衡。在未来的工作中，我们将进一步探索将其与现有语义分割宏模型（如 SAM）相结合，以充分发挥 LOGCAN++ 在遥感图像分割领域的潜力。