画像超解像再構成アルゴリズムは、リモートセンシング画像における小さなターゲットの再構成効果がぼやけ、高周波の細部が再構成過程で失われる問題に対し、条件付き事前強化と拡散モデルに基づくリモートセンシング画像超解像再構成アルゴリズムを提案した。まず、多枝標準畳み込み、空洞畳み込みおよび座標注意を融合した浅層特徴強化モジュールにより、小さなターゲットの認識能力を強化する。次に、残差密集ブロックを積み重ねることで、より表現力のある特徴を抽出すると同時に学習の安定性を保持する。続いて、多尺度深層可分離畳み込みモジュールを設計し、多尺度の事前情報を抽出し高周波の細部の損失を防ぐ。最後に、上記のモジュールを組み合わせて事前情報として拡散モデルに入力し、高解像度画像の生成を反復的に細かく誘導する。公開されたリモートセンシング画像データセットRSCNN7およびNWPU-RESISC45上の実験結果は、スケールファクターが×2、×4、×8の場合に、さまざまなネットワーク構造に基づく方法と比較して本手法が優れた効果を達成したことを示している。特にRSCNN7データセットにおいて、スケールファクター×4の場合、本提案モデルは知覚指数（Perceptual Index、PI）および画像生成評価指標FIDをそれぞれ1.43および20.56減少させ、拡散モデルに基づくSOTAアルゴリズムと比較して主観的視覚効果においても対比アルゴリズムより実値に近い結果となった。

画像超解像;拡散モデル;特徴強化;多尺度特徴抽出