MSFANet:一个具有混合注意力的多尺度特征融合变压器,用于远程传感超分辨率图像
Jie Yu1, Chengcheng Lin1, Luyao Peng1
1Badong National Observation and Research Station of Geohazards, China University of Geosciences, Wuhan 430074, China.
Sensors (Basel, Switzerland)
|November 13, 2025
概括
这项研究介绍了MSFANet,一种基于Swin变压器的新型模型,用于增强远程传感图像分辨率. MSFANet有效地重建高质量的图像,以提高效率优于现有方法.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 遥感图像分辨率受到传感器和传输的限制.
- 超分辨率重建对于详细分析至关重要.
研究的目的:
- 提出MSFANet,一个多尺度的功能融合网络,用于遥感图像超分辨率.
- 提高超分辨率重建的质量和效率.
主要方法:
- 基于Swin变压器架构开发MSFANet.
- 集成的特征提炼增强 (FRA),局部结构优化 (LSO) 和剩余融合网络 (RFN) 进行深度特征提取.
- 采用浅特征提取和高质量的图像重建模块.
主要成果:
- 在RSSCN7,AID和WHU-RS19数据集上,MSFANet的表现优于最先进的模型 (HSENet,TransENet).
- 在基于五个指标的×2,×3和×4超分辨率任务中实现了卓越的性能.
- 与现有方法相比,演示了较低的计算开销.
结论:
- MSFANet为远程传感图像超分辨率提供了一个有效的解决方案.
- 该模型平衡了重建质量与计算效率.
- 突出了Swin变压器架构在遥感图像增强中的潜力.
