物理约束的跨分辨率增强网络：用于光学引导热力学无人机图像超分辨率
计算机视觉与模式识别
2026-01-08 v1
摘要
光学引导热力学无人机图像超分辨率因其在所有天气监控应用中的潜力而引起了广泛关注。然而，现有方法通常压缩光学特征以匹配热力学特征维度进行跨模态对齐和融合，这不仅会导致有益于热力学超分辨率的高频信息丢失，还会因忽视两种模态成像物理差异而引入物理不一致的伪影，如纹理失真和边缘模糊。为此，我们提出PCNet以实现光学和热力学模态之间的跨分辨率相互增强，同时通过热力学导热约束光学引导过程，以实现稳健的热力学无人机图像超分辨率。具体而言，我们设计了交叉分辨率相互增强模块 (CRME)，联合优化热力学图像超分辨率和光学到热力学模态转换，促进跨分辨率的有效双向特征互动，同时保留高频光学先验。此外，我们提出了物理驱动的热力学导热模块 (PDTM)，将二维热传导纳入光学引导，建模空间变异热传导特性，以防止不一致的伪影。在此基础上，我们引入温度一致性损失，以强制区域分布一致性和边界梯度平滑，确保生成的热力学图像符合真实世界热力学辐射原理。大量实验在VGTSR2.0和DroneVehicle数据集上表明，PCNet在重建质量以及语义分割和目标检测等下游任务上均显著优于最先进的方法。
引用
@article{arxiv.2601.03526,
title = {Physics-Constrained Cross-Resolution Enhancement Network for Optics-Guided Thermal UAV Image Super-Resolution},
author = {Zhicheng Zhao and Fengjiao Peng and Jinquan Yan and Wei Lu and Chenglong Li and Jin Tang},
journal= {arXiv preprint arXiv:2601.03526},
year = {2026}
}