Традиционные диффузионные модели, используемые для сверхразрешения изображений дистанционного зондирования, сталкиваются с такими трудностями, как недостаточное использование априорных условий, длительные шаги сэмплирования и слабое восстановление высокочастотных деталей. В данной работе представлен двухэтапный остаточный условный диффузионный сверхразрешающий сетевой подход (TRCDSR). Первый этап использует предварительно обученную легковесную CNN-модель для генерации предварительных результатов сверхразрешения, обеспечивая диффузионной модели высококачественные структурные априорные данные; второй этап вводит механизм остаточного условного диффузионного процесса, используя сигнал остатка в качестве входных данных, что позволяет сети предсказания шума сосредоточиться на восстановлении высокочастотных деталей. Путем улучшения обратной формулы сэмплирования DDIM процесс коррекции остатка разделён на детерминированный предсказательный член и случайный шумовой член, что позволяет достичь высококачественного восстановления за 20-50 шагов. В дальнейшем введены модуль усиления многоуровневых априорных условий (PCEM) и механизм внимания, объединяющий пространственные и канальные особенности (FAN), что усиливает адаптацию модели к сложным сценам дистанционного зондирования. Эксперименты на нескольких наборах данных дистанционного зондирования, таких как AID, SECOND и RSSCN, показали, что TRCDSR превосходит другие методы на основе диффузионных моделей, GAN и Transformer по качеству восстановления, вычислительной эффективности и способности к обобщению.

диффузионные модели; сверхразрешение дистанционного зондирования; остаточная сеть; усиление априорных условий