La plupart des méthodes actuelles de super-résolution d'images à distance ne parviennent pas à exploiter pleinement les informations d'auto-similarité à échelle mixte et les informations de corrélation entre les régions à différentes échelles dans l'image, et négligent la capacité du domaine fréquentiel à percevoir les informations haute fréquence dans l'image. Pour résoudre ce problème, cet article propose un réseau d'adaptation spatiale et de fusion de fréquence (Spatial Adaptation and Frequency Fusion Network, SAF²Net). SAF²Net introduit d'abord un module de modulation de caractéristiques adaptatif à échelle mixte, utilisant une méthode similaire à une pyramide de caractéristiques pour obtenir des caractéristiques discriminatives à différentes échelles, enrichissant ainsi la capacité de représentation des caractéristiques multi-échelles. Ensuite, un bloc de sélection de la plage de réception multi-échelle globale est conçu pour explorer les caractéristiques de corrélation entre les régions à différentes échelles. Sur cette base, des blocs de sélection adaptatifs spatiaux et de séparation de la fréquence sont introduits pour fusionner les informations complémentaires espace-fréquence afin d'améliorer les caractéristiques locales et d'améliorer la capacité du modèle à modéliser les contenus haute fréquence de l'image. Lors de multiples expériences sur deux ensembles de données d'images à distance ouvertes, SAF²Net a obtenu des résultats d'indicateurs d'évaluation quantitatifs meilleurs que d'autres méthodes de comparaison. Par exemple, pour une super-résolution 3x sur l'ensemble de données UCMerced, la méthode présentée dans cet article a amélioré respectivement le PSNR et le SSIM de 0.11 dB et 0.003 3 par rapport à la méthode HAUNet, et du point de vue de la qualité visuelle subjective, SAF²Net peut restaurer plus de détails de texture clairs. Les résultats des expériences montrent que le SAF²Net proposé dans cet article peut explorer les informations globales à échelle mixte sous deux angles différents et fusionner efficacement des caractéristiques complémentaires espace-fréquence, montrant des performances de reconstruction compétitives dans la tâche de super-résolution d'images à distance.

Image à distance; Super-résolution; Caractéristiques à échelle mixte; Informations complémentaires espace-fréquence