تم طرح خوارزمية بناء دقة فائقة للصور الاستشعار عن بعد تعتمد على تعزيز الأولويات الشرطية ونموذج الانتشار لمعالجة مشكلة تأثير ضبابي إعادة بناء الأهداف الصغيرة وفقدان التفاصيل عالية التردد أثناء عملية إعادة البناء. أولاً، من خلال دمج وحدة تعزيز الميزات السطحية متعددة الفروع التي تشمل الالتواء القياسي، الالتواء المتوسّع، وانتباه الإحداثيات، يتم تعزيز قدرة الاستشعار للأهداف الصغيرة. ثانيًا، من خلال تكديس كتل الكثافة المتبقية، يتم استخراج ميزات ذات تمثيل قوي مع الحفاظ على استقرار التدريب. بعد ذلك، تم تصميم وحدة الالتواء العميق متعددة المقاييس لاستخراج معلومات الأولويات متعددة المقاييس، لمنع فقدان التفاصيل عالية التردد. أخيرًا، يتم تجميع الوحدات السابقة وإدخالها كنماذج أولية إلى نموذج الانتشار لتوجيه عملية التكرار لتوليد صور عالية الدقة. أظهرت النتائج العملية على مجموعات بيانات الصور الاستشعار عن بعد RSCNN7 و NWPU-RESISC45 أنه عند عوامل المقياس ×2، ×4، و×8، حققت الطريقة نتائج أفضل مقارنةً بالطرق القائمة على بنى الشبكات المختلفة. وعلى وجه الخصوص، على مجموعة بيانات RSCNN7، عندما يكون عامل المقياس ×4، انخفض مؤشر الإدراك (Perceptual Index، PI) ومؤشر تقييم توليد الصور FID بشكل ملحوظ، حيث انخفضا بمقدار 1.43 و20.56 على التوالي مقارنة بأفضل خوارزميات نموذج الانتشار، وكانت النتائج المرئية الذاتية أقرب إلى القيم الحقيقية مقارنة بالطرق المقارنة.

دقة فائقة للصور; نموذج الانتشار; تعزيز الميزات; استخراج الميزات متعددة المقاييس