用于提高卫星图像分辨率的高效去噪方法

卫星广泛用于估算和监测地表覆盖，为应对气候变化带来的挑战提供关键信息。高分辨率卫星图像有助于识别地面上的较小特征并分类地表覆盖类型。小型卫星因其成本效益近期变得非常流行。然而，小型卫星的空间分辨率较弱，利用近期生成模型进行预处理使得提升这些卫星图像的分辨率成为可能。本文旨在提出计算高效的引导或图像条件去噪扩散模型（DDM），以对低质量图像执行超分辨率。基于随机常微分方程（ODE）的去噪通常需要数百次迭代，而使用确定性 ODE 可减少迭代次数。我提出了一致性模型（CM），利用确定性 ODE 进行高效去噪，并对卫星图像执行超分辨率。本项目使用了用于开发城市规划和地表覆盖估算所需目标检测器的 DOTA v2.0 图像数据集。以 Stable Diffusion 模型为基础模型，利用教师-学生蒸馏将 Stable Diffusion 中的 DDM 转换为一致性模型（CM）以应用确定性去噪。改进 CM 的 Stable Diffusion 成功将卫星图像分辨率提高了 16 倍，与随机去噪方法相比计算时间减少了 20 倍。使用一致性模型算法提高图像分辨率后，低分辨率图像的 FID 分数从 10.0 提升至 1.9。