一个遥感图像超分辨率重建模型,结合了多个注意力机制.
Yamei Xu1, Tianbao Guo1, Chanfei Wang1
1School of Computer and Communication, Lanzhou University of Technology, Lanzhou 730050, China.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
这项研究引入了一种新的多分支剩余混合注意力区块 (MBRHAB),用于增强遥感超分辨率. 新方法显著提高了图像重建质量和概括能力.
科学领域:
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
背景情况:
- 由于复杂性和尺度变化,遥感图像对超级分辨率提出了挑战.
- 现有的深度学习方法与全球上下文和细节利用作斗争.
研究的目的:
- 为远程传感数据开发一种超高分辨率的新型重建模型.
- 解决现有的基于深度学习的超分辨率算法的局限性.
主要方法:
- 引入了一个多分支剩余混合注意力区块 (MBRHAB).
- 雇佣基于窗口的多头自我注意力,用于远程依赖.
- 使用多分支卷积模块 (MBCM) 来增强受体场.
- 结合通道和空间注意力来增强本地语义信息.
- 实现了一个平行设计,以提高计算效率.
主要成果:
- 拟议的方法在现有算法 (Bicubic,SRCNN,ESRGAN,Real-ESRGAN,IRN,DSSR) 上显示出更高的性能.
- 在各种放大尺度上实现更高的PSNR和SSIM指标.
- 通过交叉数据集实验验验证了通用化性能.
结论:
- MBRHAB模型有效地增强了远程传感图像的超分辨率重建.
- 拟议的方法提供了更好的利用全球和本地细节.
- 该方法对各种遥感数据集具有强大的概括能力.


