融合LR编码网络和扩散模型的遥感图像超分辨率算法

TP391.4; 针对遥感图像超分辨率重建效果模糊、重建过程中细节纹理丢失的问题,提出一种适用于多尺度任务的遥感图像超分辨率网络模型 pDDPMSR(denoising diffusion probabilistic model of super-resolution).通过组合移位卷积和串联多注意力机制构建高效像素移位卷积模块SCAM(shifted convolution attention module),扩大感受野以增强对局部特征的提取能力,从而提高图像清晰度,同时使用多注意力在通道和空间维度关注图像高频信息,以增强轮廓细节信息的表达.为了防止细节纹理丢失,设计了融合坐标注意力与多尺度...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 22; pp. 271 - 281
Main Authors 许晓阳, 张梦飞
Format Journal Article
LanguageChinese
Published 西安科技大学计算机科学与技术学院,西安 710054 15.11.2024
Subjects
遥感图像
扩散模型
注意力机制
多尺度空洞卷积
diffusion model
multi-scale atrous convolution
attention mechanism
super-resolution reconstruction
超分辨率重建
remote sensing image
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2311-0166

Cover

More Information
Summary:TP391.4; 针对遥感图像超分辨率重建效果模糊、重建过程中细节纹理丢失的问题,提出一种适用于多尺度任务的遥感图像超分辨率网络模型 pDDPMSR(denoising diffusion probabilistic model of super-resolution).通过组合移位卷积和串联多注意力机制构建高效像素移位卷积模块SCAM(shifted convolution attention module),扩大感受野以增强对局部特征的提取能力,从而提高图像清晰度,同时使用多注意力在通道和空间维度关注图像高频信息,以增强轮廓细节信息的表达.为了防止细节纹理丢失,设计了融合坐标注意力与多尺度空洞卷积金字塔网络结构CA-ASPP(coordinate attention and atrous spatial pyramid pooling),以便捕获不同尺度的上下文信息.引入去噪扩散概率模型(denoising diffusion probabilistic model,DDPM)生成高分辨率图像,采用跳层采样加快DDPM图像推理速度.设计非线性噪声调度方案解决DDPM加噪结束时噪声过大的问题.在公开数据集RSSCN7上的实验结果表明,pDDPMSR在峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似度(structural similarity,SSIM)上较对比算法重建效果更加显著,并且跳层采样方法使扩散模型推理过程加快10倍.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2311-0166