DiffFuSR：使用扩散模型对 Sentinel-2 全多光谱波段进行超分辨率重建
计算机视觉与模式识别
2025-12-01 v2 图像与视频处理
摘要
本文提出了 DiffFuSR，一个模块化流水线，用于将所有 12 个 Sentinel-2 Level-2A 影像光谱波段超分辨率重建到统一的 2.5 米地面采样距离（GSD）。该流水线包含两个阶段：（i）一个基于扩散的超分辨率（SR）模型，在来自 NAIP 和 WorldStrat 数据集的高分辨率 RGB 影像上训练，经过协调以模拟 Sentinel-2 特性；以及（ii）一个学习融合网络，利用超分辨率重建的 RGB 影像作为空间先验来提升其余多光谱波段。我们引入了一种鲁棒的退化模型和对比度退化编码器以支持盲超分辨率重建。在 OpenSR 基准测试上对所提出的 SR 流水线进行了广泛评估，结果表明该方法在反射率保真度、光谱一致性、空间对齐和幻觉抑制方面均优于当前最先进的基线方法。此外，融合网络显著优于经典和学习的全色锐化方法，实现了对 Sentinel-2 20 米和 60 米波段的准确增强。本工作提出了一种利用扩散模型协调学习和融合策略的新型模块化 Sentinel-2 超分辨率框架。我们的代码和模型可在 https://github.com/NorskRegnesentral/DiffFuSR 获取。
引用
@article{arxiv.2506.11764,
title = {DiffFuSR: Super-Resolution of all Sentinel-2 Multispectral Bands using Diffusion Models},
author = {Muhammad Sarmad and Arnt-Børre Salberg and Michael Kampffmeyer},
journal= {arXiv preprint arXiv:2506.11764},
year = {2025}
}
备注
Accepted for Publication at IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING (TGRS)