基于元学习和密集残差注意力的遥感图像任意尺度超分辨率重建

• 全文链接
• 请求原文

作   者：

魏小源;  孟钢;  张浩鹏;  姜志国; 

作者机构：

北京市遥感信息研究所;  北京航空航天大学宇航学院; 

关键词：

遥感图像;  元学习;  密集残差网络;  通道注意力机制;  超分辨率重建;  任意尺度; 

期刊名称：

遥感学报

i s s n：

1007-4619

年卷期：

2024 年 007 期

页   码：

1735-1745

摘   要：

超分辨率重建技术在卫星遥感图像信息智能处理领域中有重要的应用。现有面向遥感图像超分辨率重建的深度学习方法大多只能处理一种比例因子的超分辨率重建任务，在多尺度层面上缺少泛化性，难以满足真实遥感图像多倍率连续放大的超分辨率重建任务需求。为解决遥感图像超分辨率重建过程中的多尺度放大问题，本文采用元学习的方法，在构建单一自适应模型的基础上实现对遥感图像的任意尺度超分辨率重建，提升遥感图像的空间分辨率，利用密集残差网络和通道注意力机制重建遥感图像中地物纹理、目标边缘等丰富细节信息。在真实遥感图像上的定量实验表明，本文所提方法重建结果的峰值信噪比能达到40 dB以上，同时在多种数据上的定量和定性实验结果证明了本文方法的有效性。