El algoritmo de reconstrucción de imágenes de alta resolución para imágenes remotas aborda el problema de la pérdida de detalles de alta frecuencia y de la pérdida de nitidez durante el proceso de reconstrucción de objetos pequeños en imágenes remotas. En primer lugar, mediante la fusión del módulo de refuerzo de características superficiales basado en la convolución estándar multi-rama, la convolución dilatada y la atención a las coordenadas, se mejora la capacidad de percepción de objetos pequeños. A continuación, apilando bloques residuales densos, se mejora la representatividad de las características y se mantiene la estabilidad del entrenamiento. Luego, se diseñó un módulo de convolución profunda y separable a múltiples escalas para extraer información previa a múltiples escalas y evitar la pérdida de detalles de alta frecuencia. Por último, todos estos módulos se utilizan como información previa para introducir un modelo de difusión que guía la generación de imágenes de alta resolución mediante iteraciones. Los resultados de los experimentos en los conjuntos de datos de imágenes remotas RSCNN7 y NWPU-RESISC45 muestran que el modelo propuesto funciona bien para un factor de escala de ×2, ×4 y ×8. En RSCNN7, cuando el factor de escala es ×4, el modelo propuesto reduce significativamente los índices de percepción (PI) y el índice de fidelidad de imágenes (FID) en comparación con los mejores algoritmos basados en el modelo de difusión en 1,43 y 20,56 respectivamente. En comparación con los algoritmos de referencia, el modelo propuesto se acerca más a las valoraciones visuales reales.

Alta resolución de imágenes; modelo de difusión; refuerzo de características; extracción de información a múltiples escalas