Предложенный алгоритм восстановления изображений высокого разрешения для далекоснимаемых изображений улучшает размытость восстановления в моменты утраты высокочастотных деталей, а также нечеткость в процессе восстановления. Во-первых, путем объединения поверхностного усиления характеристик на основе многоветвевых стандартных сверточных, пустотных сверточных и координатного внимания увеличивается способность восприятия малых объектов. Во-вторых, путем стекления плотных остаточных блоков увеличивается представительность черт, а также сохраняется стабильность обучения. Затем был разработан многомасштабный глубоко-раздельный модуль свертки для извлечения предварительной информации различного масштаба для предотвращения утраты высокочастотных деталей. Наконец, все эти модули используются в качестве предварительной информации для ввода распространенной модели для направления высокой четкости в генерацию изображений путем итераций. Результаты экспериментов на наборах данных далекоснимаемых изображений RSCNN7 и NWPU-RESISC45 показывают, что предложенная модель хорошо работает при коэффициенте масштабирования ×2, ×4 и ×8. В RSCNN7 при коэффициенте масштабирования ×4 предложенная модель значительно снижает показатели восприятия (PI) и функционального индекса изображений (FID) по сравнению с лучшими алгоритмами, основанными на модели распространения, на 1,43 и 20,56 соответственно. В сравнении с сопутствующими алгоритмами, предлагаемая модель ближе к реальным значениям визуальной оценки.

высокое разрешение изображений; модель распространения; усиление характеристик; извлечение предварительной информации различного масштаба