面向遥感图像超分辨率的轻量级双域注意力聚合网络

《ACM Transactions on Multimedia Computing, Communications, and Applications》：Lightweight Dual Domain Attention Aggregation Network for Remote Sensing Image Super-Resolution

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

基于深度神经网络的遥感图像超分辨率重建取得了显著进展。然而，现有方法通常存在参数冗余和计算成本高昂的问题，使其难以部署在资源受限的边缘设备上。此外，图像重建过程往往涉及纹理模糊和边缘失真等现象，从而降低了复原质量。为了解决这些问题，我们提出了一种轻量级双域注意力聚合网络（LDANet），旨在实现高效且高质量的图像超分辨率重建。具体而言，LDANet 由多个级联的双域注意力引导特征聚合块（DAGB）组成。在每个 DAGB 内部，我们提出了方差感知空间注意力模块，该模块通过集成并行自适应池化和特征方差调制策略的双路径机制，增强了对非局部显著特征的提取能力，从而提高了空间特征的可区分性，同时有效抑制了噪声干扰。为了进一步优化像素级细节表达，我们提出了像素嵌入通道注意力模块，该模块通过联合建模像素级空间关系和通道级自注意力，实现了跨通道全局上下文感知，从而增强了纹理保真度和边缘清晰度。此外，引入了非对称卷积门控前馈网络，以增强 DAGB 内的特征聚合和局部上下文混合能力。对比实验表明，LDANet 以更小的模型规模在多个数据集上实现了优异的重建性能，展现出更好的实际应用潜力。LDANet 的源代码将在 https://github.com/AHUT-MILAGroup/LDANet 发布。

AI 摘要

AI 生成摘要（实验性）

该摘要由自动化工具生成，并非由文章作者撰写或审阅。提供此摘要是为了支持发现，帮助读者评估相关性，并协助来自相邻研究领域的读者理解该工作。旨在补充作者提供的摘要，后者仍然是论文的主要摘要。全文仍为权威记录版本。点击此处了解更多。

点击 此处 评论该摘要的准确性、清晰度和有用性。这样做将有助于改进和未来的重新生成版本。

要查看此 AI 生成的通俗摘要，您必须拥有高级访问权限。