分级监督范式指导下的遥感图像超分辨率方法_NormalPdf.pdf

分级监督范式指导下的遥感图像超分辨率方法

Remotesensingimagesuper-resolutionguidedbymulti-levelsupervisionparadigm

李明锴;徐其志

引用本文:

李明锴，徐其志.2024.分级监督范式指导下的遥感图像超分辨率方法.遥感学报，28（7）：1746-1759

DOI:10.11834/jrs

LiMKandXuQZ.2024.Remotesensingimagesuper-resolutionguidedbymulti-level

supervisionparadigm.NationalRemoteSensingBulletin，28（7）：1746-1759DOI:

10.11834/jrs

在线阅读Viewonline:/thesisDetails?columnId

___________________________________________

您可能感兴趣的其他文章

Articlesyoumaybeinterestedin

基于深度学习的高分四号卫星图像超分辨率重建

Deeplearning-basedsuper-resolutionforGF-4satelliteimagery

遥感学报.2020,24(12):1500-1510.

遥感图像倾斜边界框目标检测研究进展与展望

Surveyonobjectdetectionintiltingboxforremotesensingimages

遥感学报.2022,26(9):1723-1743.

改进CenterNet在遥感图像目标检测中的应用

ApplicationofanimprovedCenterNetinremotesensingimagesobjectdetection

遥感学报.2023,27(12):2706-2715.

模态间匹配学习的高光谱和激光雷达联合分类

JointclassificationofhyperspectralandLiDARdatabasedoninter-modalitymatchlearning

遥感学报.2024,28(1):154-167.

基于类脑脉冲神经网络的遥感图像检测算法

Remotesensingimagedetectionmethodbasedonbrain-inspiredspikingneuralnetworks

遥感学报.2024,28(7):1713-1721.

1007-4619（2024）07-1746-14NationalRemoteSensingBulletin遥感学报

分级监督范式指导下的遥感图像超分辨率方法

李明锴，徐其志

北京理工大学机电学院,北京100081

摘要：超分辨率技术可提升遥感图像空间分辨率，为基于遥感图像的目标检测、场景分类等任务提供更加清

晰的数据集，具有广泛的应用价值。然而，现有基于深度学习的超分辨率方法存在监督次数不足的问题，导致

超分辨率重建图像中易出现细节损失和伪细节。针对这一问题，本文提出基于分级监督的遥感图像超分辨率方

法（MSSR）。首先，提出了一个分级监督网络架构，通过引入多级真值图像作为监督，为超分辨率过程提供充

足的图像细节恢复指引，进而减少超分辨率结果中细节损失和伪细节的出现。其次，为了便于构建级数可变、

超分辨率倍数可变的分级监督网络，设计了一个轻量化的、超分辨率倍数可灵活调整的同构超分辨率模块

（BSRC）。各级BSRC的网络结构基本相同，便于迁移网络权重，缩短训练时间。最后，针对分级网络超分辨率

倍数一定时，网络级数及各级分辨率倍数有多种组合方式的问题，对比多种分级方式下的超分辨率结果，给出

最佳网络分级方式。此外，构建了一个包含世界各地