既存の多くのリモートセンシング画像超解像法は、画像中の混合スケールの自己相似性情報およびスケール間領域間の関連情報を十分に活用できず、周波数領域が画像の高周波情報を感知する能力を無視している。この問題に対処するため、本論文では空間適応および周波数融合ネットワーク（Spatial Adaptation and Frequency Fusion Network、SAF²Net）を提案する。SAF²Netはまず、特徴ピラミッドに類似した手法で異なるスケールにおける識別特徴を取得し、多スケール特徴の表現能力を豊かにする混合スケール空間適応特徴調節モジュールを導入する。次に、グローバルマルチスケール受容野選択ブロックを設計し、スケール間領域間の関連特徴を発掘する。その上で、空間適応選択ブロックと周波数分離選択ブロックを導入し、空間-周波数の補完情報を融合して局所特徴を強化し、モデルの画像高周波内容のモデリング能力を向上させる。2つの公開リモートセンシング画像データセットで複数の実験を行い、SAF²Netは他の比較方法を上回る定量評価指標結果を得た。UCMercedデータセットの3倍超解像を例に、本手法は次善手法であるHAUNetと比較してPSNRとSSIMをそれぞれ0.11 dBおよび0.0033向上させた。視覚的主観品質においても、SAF²Netはより多くの鮮明なテクスチャ細部を復元できる。実験結果は、提案するSAF²Netが異なる2つの視点から混合スケールのグローバル情報を掘り起こし、空間-周波数の補完特徴を効果的に融合し、リモートセンシング画像超解像課題で競争力のある再構築性能を示すことを示している。

リモートセンシング画像;超解像;混合スケール特徴;空間-周波数補完情報