Die meisten gegenwärtigen Methoden zur Superresolution von Fernerkundungsbildern können die Information zur Selbsähnlichkeit in Bildern mit gemischten Skalen nicht vollständig ausnutzen und vernachlässigen die Fähigkeit des Frequenzbereichs, hochfrequente Informationen aus dem wahrgenommenen Bild zu extrahieren. Zur Lösung dieses Problems schlagen wir in diesem Artikel ein Netzwerk für die räumliche Anpassung und die Frequenzfusion (SAF2Net) vor. SAF2Net führt zunächst ein Modul für die Anpassung von Merkmalen mit gemischten Skalen ein, das eine ähnliche Methode wie eine Merkmalspyramide verwendet, um diskriminierende Merkmale in verschiedenen Skalen zu erhalten, und damit die Ausdrucksfähigkeit von Merkmalen in Multi-Skalen erweitert. Anschließend wurde ein globaler Block zur Auswahl von Multi-Skalenfeldern entworfen, um interrelevante Merkmale zwischen Multi-Scale-Regionen zu extrahieren. Auf dieser Basis werden ein adaptiver räumlicher Auswahlblock und ein Frequenzzerlegungsblock eingeführt, um komplementäre räumlich-frequenzbereichliche Informationen zu fusionieren und die lokalen Merkmale zu verbessern sowie die Fähigkeit des Modells zur Modellierung des hochfrequenten Bildinhalts zu erhöhen. Es wurden mehrere Experimente mit zwei öffentlichen Fernerkundungsbilddatensätzen durchgeführt, und die Ergebnisse der quantitativen Bewertung zeigen, dass SAF2Net anderen vergleichbaren Methoden überlegen ist. Zum Beispiel verbesserte die in diesem Artikel vorgeschlagene Methode im Vergleich zur weniger leistungsfähigen Methode HAUNet bei einer dreifachen Bildvergrößerung im UCMerced-Datensatz die PSNR um 0,11 dB und die SSIM um 0,0033; in Bezug auf die subjektive visuelle Qualität ist SAF2Net in der Lage, klarere Texturdetails wiederherzustellen. Die Experimente zeigen, dass das in diesem Artikel vorgeschlagene Netzwerk SAF2Net in der Lage ist, gemischt-skalierte Informationen aus zwei verschiedenen Blickwinkeln zu extrahieren und räumlich-frequenzbereichliche komplementäre Merkmale effektiv zu fusionieren und dabei eine wettbewerbsfähige Rekonstruktionsleistung in der Aufgabe der Fernerkundungsbild-Superresolution aufweist.

Fernerkundungsbilder; Superresolution; Gemischt-skalierte Merkmale; Komplementäre räumlich-frequenzbereichliche Information