面向真实场景的高分辨率遥感影像超分辨率重建OA
超分辨率技术以其灵活、低成本等特点已经成为构建高分辨率数据集以及补充高分辨率影像不足的重要手段。相较于自然图像,反映真实场景的遥感影像由于其自身的复杂性与特殊性加大了超分辨率任务的难度。同时对于遥感影像,传统的深度学习模型虽然在一定程度上可以提高分辨率,但是对于地物细节和纹理的提升还存在着很大不足。因此,本文在对抗生成网络模型的基础上,融合通道-空间注意力来增强网络的特征学习能力,并使用伪影抑制策略来区分平滑区域和细节丰富区域,让网络专注于细节丰富区域,抑制伪影的产生。在高分卫星数据上的大量实验表明,本文方法的定量指标和视觉质量优于目前主流的方法。
赵佳祎;马勇;陈甫;姚武韬;尚二萍;仉淑艳;龙安
中国科学院空天信息研究院海南研究院海南省地球观测重点实验室,海南三亚572029 中国科学院空天信息创新研究院,北京100094 中国科学院大学,北京100049中国科学院空天信息研究院海南研究院海南省地球观测重点实验室,海南三亚572029 中国科学院空天信息创新研究院,北京100094中国科学院空天信息创新研究院,北京100094中国科学院空天信息创新研究院,北京100094中国科学院空天信息创新研究院,北京100094中国科学院空天信息创新研究院,北京100094广西壮族自治区环境应急与事故调查中心,南宁530028
信息技术与安全科学
超分辨率遥感影像对抗生成网络融合通道-空间注意力伪影抑制
《中国科学院大学学报(中英文)》 2026 (1)
P.80-92,13
海南省重点研发计划(ZDYF2021SHFZ260)海南自然科学青年基金(520QN295)广西创新驱动发展专项(桂科AA20302022)资助。
评论