结合局部高清图像的遥感集群目标区域超分辨率重建

近年来，卫星遥感图像的应用场景越来越广泛。但是由于采集设备有限及其成本限制，卫星传感器获取到的图像通常不具备足够的分辨率且分布不够均匀，同时部分目标聚集成群难以分辨，导致低分辨率遥感图像在目标检测与识别等空间语义理解任务上难以满足准确定位和分类所有目标的要求。相比于一次性采集完整高分辨率遥感图像，已有遥感图像通常在局部区域具有相对清晰的高分辨率，且具备足够的细节信息用于分辨目标群，而传统的遥感图像超分辨率重建方法主要关注遥感图像自身的全局特征，通过图像的全局特征进行分辨率和像素扩充，而忽视了遥感图像的细节信息。为了解决这些挑战，提出了一种将遥感图像局部聚集群目标区域的细节特征信息引入到完整遥感图像的采样重建中的方法，通过多层级的神经网络来提取不同尺度的图像特征，并通过残差学习的方式将这些特征进行融合并重建。在实验中，该方法相比主流现有的遥感图像超分辨率重建方法，在视觉效果和测试实验上都取得了更好的结果，证明该方法可以有效借助局部图像的像素信息，显著地提高全局遥感图像的细节效果和优化集群目标区域的分辨能力，提升了遥感图像的质量和可用性。