基于多尺度特征提取和坐标注意力的光学遥感图像超分辨率重建

摘要

本文针对现有光学遥感图像超分辨率重建模型对感受野尺度关注不足和对特征通道信息提取不充分带来的问题,提出了一种基于多尺度特征提取和坐标注意力的光学遥感图像超分辨率重建模型.该重建模型基于深度残差网络结构,在网络的高频分支中设计了多个级联的多尺度特征和坐标注意力模块(multi-scale feature&coordinate attention block,MFCAB),对输入的低分辨率光学遥感图像的高频特征进行充分发掘:首先,在MFCAB模块中引入Inception子模块,使用不同尺度的卷积核捕捉不同感受野下的空间特征;其次,在Inception子模块后增加坐标注意力子模块,同时关注通道与坐标两个维度,以获得更好的通道注意力效果;最后,对各MFCAB模块提取的特征进行多路径融合,实现多重多尺度空间信息与通道注意信息的有效融合.本文模型在NWPU4500数据集上2倍、3倍放大中PSNR值达到34.73 dB和30.12 dB,较EDSR分别提升0.66 dB和0.01 dB,在AID1600数据集上2倍、3倍、4倍放大中PSNR值达到34.71 dB、30.58 dB、28.44 dB,较EDSR分别提升0.09 dB、0.03 dB、0.04 dB.实验结果表明,该模型在光学遥感图像数据集上的重建效果优于主流的图像超分辨率重建模型.