DSCT：用于遥感图像超分的双稀疏相干变换器及跨特征对齐技术

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：DSCT: Dual Sparse Coherent Transformer with Cross Feature Alignment for Remote Sensing Image Super-Resolution

　　

摘要：

基于Transformer的方法在遥感图像超分辨率处理领域取得了显著进展，这得益于自注意力机制的灵活设计，使其能够捕捉长距离依赖关系和结构相关性。然而，这类方法的性能仍受到两个关键问题的限制。首先，冗余的空间和通道响应可能在注意力计算过程中引入无关的激活信号，削弱有效信息区域，阻碍特征的有效聚合，进而影响细粒度结构的恢复。其次，现有方法往往采用粗粒度的特征融合策略，无法明确建模不同特征维度之间的协同性与互补关系，从而导致表示效果不佳。为解决这些问题，我们提出了双稀疏相干Transformer（DSCT），该模型同时考虑自适应稀疏性和特征相干性，以实现更有效的特征学习。具体而言，DSCT采用交替设计，结合自适应稀疏空间自注意力（ASS-SA）和选择性稀疏通道自注意力（SSC-SA），从而实现空间和通道维度上的互补建模。ASS-SA通过在不同稀疏模式下自适应调整注意力分布，增强主导的空间相关性并抑制冗余响应；而SSC-SA则借助输入感知的引导机制，动态调节通道间的相互作用。此外，还引入了特征对齐机制（CFA）和特征调制前馈网络（FMFN），以提升特征相干性和表示质量——CFA在特征融合前对互补特征进行校准和对齐，FMFN则通过有门控的特征交互实现自适应的特征优化。在多个遥感超分辨率测试数据集上的实验表明，DSCT具有更优异的性能……

查看更多