众所周知，遥感（RS）图像包含多尺度对象和众多的RS对象，以及大量复杂的空间拓扑关系，如同尺度对象的邻接关系和邻近关系以及跨尺度对象的包含关系。然而，现有的语义分割方法从未探索过跨尺度关系，这在RS对象无法准确识别的情况下尤为重要，可以用周围的内容来补充。为了解决上述问题，我们提出了一种尺度关系联合解耦网络（SRJDN），通过同时考虑解耦尺度和解耦关系来挖掘多尺度遥感对象之间更完整的关系，从而实现遥感图像的语义分割。
SRJDN通过以下三个步骤执行，即规模解耦（SD）、关系解耦（RD）和精细粒度引导融合（FGF）。第一，SD模块使用不同速率的扩展卷积将RS对象从小到大分解为不同尺度的特征组。第二，RD考虑所有空间拓扑关系，并根据尺度对这些关系进行解耦，其中分为两部分，即同尺度关系提取（SSRE）和跨尺度关系提取。SSRE在每个尺度上独立地建立图结构，以挖掘相同尺度RS对象的关系，CSRE以跨尺度之间的统一模式构建图，以探索跨尺度目标关系。第三，FGF模块将小尺度特征作为细粒度表示，并应用其注意力图来指导其他尺度特征的学习，从而可以挖掘更可靠、更全面的显著性信息，提高特征的一致性。在两个大规模精细分辨率遥感图像数据集上进行的数值实验经验证明了所提出的联合解耦策略的鲁棒性以及精细粒度引导融合在遥感图像语义分割任务中的有效性。
