전통적인 확산 모델은 원격 탐사 이미지 초해상도 복원 시 사전 조건 활용 부족, 샘플링 단계가 길고 고주파 세부 복원 저하 등의 문제를 겪습니다. 본 논문은 2단계 잔차 조건 확산 초해상도 네트워크(TRCDSR)를 제안합니다. 1단계에서 사전 학습된 경량 CNN 모델이 초기 초해상도 결과를 생성하여 확산 모델에 고품질 구조 사전을 제공합니다. 2단계에서는 잔차 조건 확산 메커니즘을 도입하여 잔차 신호를 입력으로 하여 잡음 예측 네트워크가 고주파 세부 복원에 집중하도록 합니다. DDIM 역방향 샘플링 공식을 개선하여 잔차 보정 과정을 결정론적 예측 항과 확률적 잡음 항으로 분리하여 20~50단계 내에 고품질 복원을 완료합니다. 또한 다중 스케일 사전 조건 강화 모듈(PCEM)과 공간 및 채널 통합 주의 메커니즘(FAN)을 도입하여 복잡한 원격 탐사 장면에 대한 모델의 적응력을 향상시켰습니다. AID, SECOND, RSSCN 등 여러 원격 탐사 데이터셋에서의 실험 결과, TRCDSR이 확산 모델, GAN, 트랜스포머 기반 방법보다 우수한 복원 품질, 계산 효율성 및 일반화 능력을 보임을 확인하였습니다.

확산 모델;원격 탐사 초해상도 복원;잔차 네트워크;사전 조건 강화