基于残差扩散模型的遥感超分辨率图像生成研究

摘要

传统基于扩散的图像超分辨率方法通常需要大量采样步骤，并且优化功能强大的扩散模型需要耗费大量运算时间.为了在有限的计算资源上实现训练，现有的加速采样技术往往会牺牲部分图像质量，导致超分辨率结果模糊.为了解决这一问题，提出了一种改进的、高效的残差超分辨扩散模型.通过构建马尔可夫链，在高分辨率图像和低分辨率图像之间移动残差来实现图像之间的转移，有效减少扩散步骤的数量.该方法保证了超分辨率结果的质量和灵活性，同时也提高了转移效率，消除了推理过程中需要的后加速及其相关图像细节特征的退化.实验证明，即使只执行15个采样步骤，所提的方法在合成数据集和真实数据集上也可以获得优于或至少可以与当前最先进方法相当的图像质量.

关键词

遥感 / 超分辨率 / 图像生成 / 残差移动 / 残差扩散模型