영상 초해상도 복원 알고리즘이 원격 탐사 영상에서 작은 목표물 복원 시 흐림 현상과 복원 과정에서 고주파 세부 정보 손실 문제를 해결하기 위해 조건적 사전 강화 및 확산 모델 기반의 원격 탐사 영상 초해상도 복원 알고리즘을 제안하였다. 우선, 다중 분기 표준 합성곱, 확장 합성곱, 좌표 주의력을 융합한 얕은 특징 강화 모듈을 통해 작은 목표물에 대한 인지 능력을 강화하였다. 다음으로, 잔차 밀집 블록을 쌓아 보다 표현력이 우수한 특징을 추출하면서 학습 안정성을 유지하였다. 이어서 다중 스케일 깊은 분리 합성곱 모듈을 설계하여 다중 스케일 사전 정보를 추출하고 고주파 세부 정보 손실을 방지하였다. 마지막으로 상기 모듈들을 사전 정보로 확산 모델에 입력하여 고해상도 이미지 생성을 반복적으로 세밀화하도록 유도하였다. 공개된 원격 탐사 영상 데이터셋 RSCNN7 및 NWPU-RESISC45에서의 실험 결과, 스케일 팩터가 ×2, ×4, ×8일 때 다양한 네트워크 구조 기반 방법에 비해 본 방법이 더 우수한 성능을 보였다. 특히 RSCNN7 데이터셋에서 스케일 팩터 ×4일 때, 제안한 모델이 지각 지수(Perceptual Index, PI)와 이미지 생성 평가 지표 FID에서 각각 1.43과 20.56만큼 크게 감소하였으며, 주관적 시각 효과 측면에서 비교 알고리즘보다 실제 값에 더 가까웠다.

영상 초해상도; 확산 모델; 특징 강화; 다중 스케일 특징 추출