多分支自相似遥感超分辨率生成对抗网络

针对遥感影像超分辨率重建后的图像普遍存在的边缘模糊、伪影及失真问题,基于生成对抗网络提出一种新型的遥感超分辨率重构算法。该算法设计了包含联合损失的多分支残差密集块(MRDB),同时采用自相似特征提取模块对其高频和边缘信息进行修复。首先,MRDB在RRDB基础上改进多分支结构,能够有效处理不同频率的信息,提升图像的细节恢复效果和语义平衡,进而减少物体边缘模糊问题。其次,多分支结构和密集块的创新性结合,可稳固提取深度特征,有效消除伪影。最后,设计了联合损失函数,结合L1内容损失、感知损失、纹理损失、对抗损失和自相似性损失,确保图像整体的清晰度。此外,对MRDGAN进行对比实验和消融实验。实验结果表明,在UC Merced数据集中,MRDGAN在公路、机场和建筑类别下的定性效果更为接近原图,且平均PSNR高出ESRGAN算法1.13 dB,SSIM高出0.0285,FID降低22.13,CLIPscore提高0.0361。该算法不仅去除了生成伪影,提高了边缘重建精度,同时在各项评估指标中展现出更优异的结果。