基于物理展开模型引导的退化对比学习网络用于遥感图像的盲超分辨率处理

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Degradation Contrastive Learning Network Guided by Physical Unfolding Model for Remote Sensing Image Blind Super-resolution

　　

摘要：

单图像盲超分辨率技术被广泛应用于遥感领域。然而，现有方法难以将复杂的物理先验知识与神经网络充分结合，这使得在复杂的图像退化场景中无法有效利用传统先验知识，从而限制了网络性能。为解决这一问题，我们提出了一种基于物理模型的退化对比学习网络（PDCNet），用于遥感图像的盲超分辨率处理。该网络将完整的物理退化先验模型整合到神经网络中，同时利用对比学习提取图像的潜在退化特征。此外，还通过图像熵函数进一步筛选纹理特征，最终实现高效的图像盲超分辨率处理。具体而言，我们首先提出了一个针对物理退化过程的盲去模糊框架，并将其转化为能够充分利用物理退化先验知识的神经网络，从而有效提升成像质量。接着，我们提出利用对比学习提取有价值的信息，以生成更精确的模糊核。这种无监督方法能有效降低网络对标注数据的需求，而高质量的模糊核则有利于图像重建。随后，我们提出利用图像熵函数在网络中进一步筛选纹理特征，增加详细的描述信息。最后，我们在两个公开的数据集上证明了所提方法在各种退化图像上的盲超分辨率处理效果优异。多项实验表明，我们的方法在遥感数据集上具有明显优势。