通过卷积神经网络和扩散模型实现单张遥感图像的超分辨率处理
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:Single Remote Sensing Image Super-Resolution via Convolutional Neural Network and Diffusion Model
【字体:
大
中
小
】
时间:2026年05月13日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 5.4
编辑推荐:
摘要: 最近的扩散生成模型超分辨率(SR)方法在遥感图像质量提升方面取得了显著进展。然而,扩散模型的表示学习能力尚未得到充分探索,尤其是在利用更丰富的先验信息进行逼真重建时。在本文中,我们提出了一种端到端的遥感图像超分辨率方法(卷积神经网络引导的扩散模型超分辨率方法,CNN-D
摘要:
最近的扩散生成模型超分辨率(SR)方法在遥感图像质量提升方面取得了显著进展。然而,扩散模型的表示学习能力尚未得到充分探索,尤其是在利用更丰富的先验信息进行逼真重建时。在本文中,我们提出了一种端到端的遥感图像超分辨率方法(卷积神经网络引导的扩散模型超分辨率方法,CNN-DiffSR)。该方法结合了由卷积神经网络(CNN)生成的初始超分辨率图像来指导扩散模型的超分辨率重建,从而生成视觉上清晰且语义上准确的图像样本,这些样本更接近高分辨率图像。在多个基准数据集上的实验表明,我们的方法能够同时恢复具有更精确纹理细节和更高视觉感知质量的遥感图像。此外,在实际遥感图像超分辨率实验和下游任务性能提升测试中,也获得了更好的结果和更高的分类准确率(+6.6%),这表明所提出的方法为提高遥感图像的可读性提供了潜在的解决方案。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号