面向森林遥感的语义引导自适应重建全色锐化网络OA

森林遥感影像的空间-光谱融合技术在提升空间分辨率的过程中,普遍存在空间细节增强与光谱信息保真之间的矛盾,且现有方法对复杂森林冠层结构和林分一致性等高层语义信息的挖掘与利用仍较为有限。因此,提出语义引导自适应重建全色锐化网络(SGARNet),实现像素级融合与高层语义结构感知的协同优化。网络在自适应重建融合框架下引入语义特征建模和语义引导融合模块,通过自适应卷积动态调整感受野,实现复杂森林空间结构的多尺度建模。对语义特征进行建模,生成像素级软语义分布,刻画林分一致性与结构边界,语义引导融合通过残差调制增强融合特征,从而在保持光谱一致性的同时强化局部细节并抑制伪影。端到端训练中,融合重建损失与语义正则化联合优化,实现融合性能与语义结构感知的协同提升。在WorldView-3、GaoFen-2、QuickBird数据集上,SGARNet的峰值信噪比(PSNR)平均提升0.6%~1.1%,结构相似性指数(SSIM)平均提升0.1%~0.8%,光谱角映射(SAM)平均降低10%,图像质量指数(Q)标平均提升0.5%~1.0%,验证了其在复杂森林场景下的细节重建、光谱一致性和泛化能力的有效性。