Der Algorithmus zur Wiederherstellung von hochauflösenden Bildern für Fernbilder behebt das Problem des Verlusts von hochfrequenten Details und der Unschärfe während des Wiederherstellungsprozesses kleiner Objekte in Fernbildern. Zunächst wird durch die Fusion des Moduls zur Verstärkung von Oberflächenmerkmalen auf der Basis von Mehrfach-Standard-Convolution, erweiterter Convolution und Koordinatenaufmerksamkeit die Fähigkeit zur Wahrnehmung kleiner Objekte verbessert. Anschließend wird durch Stapeln von dichten Restblöcken die Repräsentativität der Merkmale verbessert und die Stabilität des Trainings aufrechterhalten. Dann wurde ein Multi-Scale-Deep-Separable-Convolution-Modul entworfen, um mehrskalige Vorinformationsinformationen zu extrahieren und den Verlust von hochfrequenten Details zu vermeiden. Schließlich werden all diese Module als Vorinformationsquelle verwendet, um ein Diffusionsmodell einzuführen, das die Generierung von hochauflösenden Bildern durch Iterationen anleitet. Die Ergebnisse der Experimente auf den Fernbild-Datensätzen RSCNN7 und NWPU-RESISC45 zeigen, dass das vorgeschlagene Modell bei einem Skalierungsfaktor von ×2, ×4 und ×8 gut funktioniert. Auf RSCNN7 reduziert das vorgeschlagene Modell bei einem Skalierungsfaktor von ×4 die Wahrnehmungsindizes (PI) und den Bildtreueindex (FID) im Vergleich zu den besten auf dem Diffusionsmodell basierenden Algorithmen signifikant um 1,43 bzw. 20,56. Im Vergleich zu Referenzalgorithmen kommt das vorgeschlagene Modell den tatsächlichen visuellen Bewertungen näher.

Hochauflösende Bilder; Diffusionsmodell; Merkmalsverstärkung; Mehrskalige Informationsgewinnung