Предложен алгоритм сверхвысокого разрешения изображений дистанционного зондирования на основе условного априорного усиления и диффузионной модели для решения проблемы размытия реконструкции мелких объектов и потери высокочастотных деталей в процессе восстановления. Во-первых, через интеграцию модуля усиления поверхностных признаков с несколькими ветвями, включающего стандартные свертки, дилатированные свертки и координационное внимание, повышается способность восприятия мелких объектов. Во-вторых, посредством стэкирования плотных остаточных блоков обеспечивается извлечение более представительных признаков при сохранении стабильности обучения. Далее разработан многомасштабный модуль глубокой сепарабельной свертки для извлечения многомасштабной априорной информации, предотвращающей потерю высокочастотных деталей. В конце все вышеперечисленные модули объединяются и подаются в диффузионную модель как априорная информация, направляя итеративное уточнение для генерации изображений высокого разрешения. Эксперименты на общедоступных наборах данных RSCNN7 и NWPU-RESISC45 показали, что при коэффициентах масштабирования ×2, ×4 и ×8 данный метод превосходит другие методы с различной архитектурой сетей. Особенно на наборе данных RSCNN7 при масштабе ×4 предложенная модель значительно снизила показатель восприятия (Perceptual Index, PI) и метрику оценки генерации изображений FID на 1.43 и 20.56 соответственно по сравнению с передовыми диффузионными моделями, а также была ближе к реальным значениям по субъективному визуальному восприятию по сравнению с контрольными алгоритмами.

сверхвысокое разрешение изображений; диффузионная модель; усиление признаков; извлечение многомасштабных признаков