多尺度特征融合的Transformer遥感影像超分辨率重建

摘要

针对现有遥感影像超分辨率重建算法，在处理复杂场景时，存在无法充分提取和利用特征，且计算复杂度高的问题，提出一种多尺度特征融合的Transformer遥感影像超分辨率重建网络模型.该模型引入了多尺度残差Swin Transformer模块，在充分提取特征的同时，减少用于提取浅层特征的模块冗余；建立了一个特征细化融合模块，可以充分提取图像特征来提高网络性能.基于UC Merced Land Use公开数据集进行实验，结果表明：提出的模型所需参数数量仅为目前主流超分辨率重建方法 EDSR模型的61.6%，重建结果在不同尺度下的峰值信噪比和结构相似度相对EDSR分别平均提高了0.82 dB和0.024.通过对比分析，证明本文提出的模型在提高图像质量的同时，有效地减少了网络参数冗余，可明显提高重建图像质量，满足高分辨率遥感影像处理需要.

关键词

遥感影像 / 超分辨率重建 / Transformer / 特征提取 / 特征细化融合