L'algorithme de reconstruction d'images haute résolution pour les images à distance propose une solution au problème de la perte de détails haute fréquence et de la perte de netteté du processus de reconstruction des petits objets dans les images à distance. Tout d'abord, en fusionnant le module de renforcement des caractéristiques de surface basé sur la convolution standard multi-branchée, la convolution dilatée et l'attention aux coordonnées, la capacité de perception des petits objets est renforcée. Ensuite, en empilant des blocs résiduels denses, la représentativité des caractéristiques est améliorée tout en maintenant la stabilité de l'entraînement. Ensuite, un module de convolution profonde et séparable à plusieurs échelles est conçu pour extraire des informations préalables à plusieurs échelles afin d'éviter la perte de détails haute fréquence. Enfin, tous ces modules sont utilisés comme information préalable pour introduire un modèle de diffusion pour guider la génération d'images haute résolution par itérations. Les résultats des expériences sur les ensembles de données d'images à distance RSCNN7 et NWPU-RESISC45 montrent que le modèle proposé fonctionne bien pour un facteur d'échelle de ×2, ×4 et ×8. Sur RSCNN7, lorsque le facteur d'échelle est ×4, le modèle proposé réduit considérablement les indices de perception (PI) et l'indice de fidélité d'image (FID) par rapport aux meilleures algorithmes basés sur le modèle de diffusion de 1,43 et 20,56 respectivement. Comparé aux algorithmes de référence, le modèle proposé se rapproche davantage des évaluations visuelles réelles.

Résolution d'image haute; modèle de diffusion; renforcement des caractéristiques; extraction d'informations à plusieurs échelles