基于傅里叶变换交叉注意力层的遥感图像超分辨率重建模型FocalSR研究

为解决遥感图像多目标场景下细节恢复不足的问题，研究人员提出融合傅里叶变换交叉注意力层（FFC）的Transformer模型FocalSR。该研究通过整合Hybrid Attention Transformer（HAT）的通道注意力与SwinFIR的频域卷积，在NAIP和MAID数据集上实现PSNR提升1 dB，显著改善植被纹理和规则结构重建效果，为遥感图像处理提供新范式。

　　

遥感图像在环境监测、城市规划等领域应用广泛，但其分辨率受限问题长期困扰学术界。传统超分辨率（SR）方法如EDSR、RCAN基于卷积神经网络（CNN），在单目标场景表现良好，但面对遥感图像中多尺度、多对象的复杂场景时，因注意力机制覆盖不足导致细节丢失。尤其当图像包含森林、城市等混合地物时，现有Transformer模型如HAT虽引入窗口自注意力（W-MSA），仍难以兼顾全局光谱特征与局部纹理。

为解决这一挑战，来自中国的研究团队提出FocalSR模型，创新性地将Fast Fourier Convolution（FFC）嵌入交叉注意力层。该模型在DF2K数据集（含3350对图像）预训练后，于NAIP、MAID等遥感数据集验证性能。关键技术包括：1）混合注意力块（HAB）整合通道注意力（CAB）与移位窗口自注意力（SW-MSA）；2）重叠交叉注意力FFC块（OCFB）融合空间卷积与频域处理；3）采用L1损失函数和Adam优化器（β₁=0.9，β₂=0.99）进行800,000次迭代训练。

3.1 与现有模型的性能对比
在Set14和Urban100通用数据集上，FocalSR的PSNR达30.01/28.63，LPIPS低至0.1987/0.2210，显示其对复杂结构的重建优势。在遥感专用数据集NAIP中，其PSNR（28.80）较HAT提升1.59 dB，且植被冠层（图5）和屋顶波纹（图3）的纹理恢复效果显著。

3.2 傅里叶卷积的机制解析
通过局部归因图（LAM）分析发现（图6），FFC模块使注意力层激活像素增加37%，有效捕捉图像全局频率特征。频域处理弥补了传统窗口注意力对长程依赖建模的不足，特别适用于跨尺度地物并存的遥感场景。

3.3 应用潜力展望
该模型在1米分辨率NAIP数据中成功还原农田垄沟（图5），验证其在精准农业中的价值。未来通过适配多光谱输入，可进一步支持灾害评估等跨尺度分析任务。

研究结论表明，FocalSR通过频域-空间域协同注意力机制，突破传统SR模型对遥感图像多对象场景的适应性瓶颈。其创新性架构为高分辨率地表观测数据生成提供新工具，相关成果发表于《Geomatica》，代码已开源以促进领域发展。