基于多尺度特征提取和坐标注意力的光学遥感图像超分辨率重建

作     者：肖子安 张静 苑馨方 朱家佳 李晓辉 米琳 窦帅 XIAO Zi-An;ZHANG Jing;YUAN Xin-Fang;ZHU Jia-Jia;LI Xiao-Hui;MI Lin;DOU Shuai

作者机构：中国科学院空天信息创新研究院中国科学院定量遥感信息技术重点实验室北京100094 中国科学院大学电子电气与通信工程学院北京100049 

基　　金：国家重点研发计划(2021YFC3000302) 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2023年第32卷第7期

页      码：105-112页

摘      要：本文针对现有光学遥感图像超分辨率重建模型对感受野尺度关注不足和对特征通道信息提取不充分带来的问题,提出了一种基于多尺度特征提取和坐标注意力的光学遥感图像超分辨率重建模型.该重建模型基于深度残差网络结构,在网络的高频分支中设计了多个级联的多尺度特征和坐标注意力模块(multi-scale feature&coordinate attention block,MFCAB),对输入的低分辨率光学遥感图像的高频特征进行充分发掘:首先,在MFCAB模块中引入Inception子模块,使用不同尺度的卷积核捕捉不同感受野下的空间特征;其次,在Inception子模块后增加坐标注意力子模块,同时关注通道与坐标两个维度,以获得更好的通道注意力效果;最后,对各MFCAB模块提取的特征进行多路径融合,实现多重多尺度空间信息与通道注意信息的有效融合.本文模型在NWPU4500数据集上2倍、3倍放大中PSNR值达到34.73 dB和30.12 dB,较EDSR分别提升0.66 dB和0.01 dB,在AID1600数据集上2倍、3倍、4倍放大中PSNR值达到34.71 dB、30.58 dB、28.44 dB,较EDSR分别提升0.09 dB、0.03 dB、0.04 dB.实验结果表明,该模型在光学遥感图像数据集上的重建效果优于主流的图像超分辨率重建模型.

主 题 词：遥感图像 超分辨率重建 深度学习 注意力机制 残差网络 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.15888/j.cnki.csa.009168

馆 藏 号：203122442...