WaveDiffUR：基于扩散SDE的超大幅值遥感图像超分辨率求解器
图像与视频处理
2024-12-30 v1 计算机视觉与模式识别
机器学习
摘要
深度神经网络最近在遥感图像超分辨率 (SR) 中取得了显著进展。然而，大多数现有方法受限于低放大倍率（例如2或4），由于在更高放大尺度下问题变得越来越难以解决。为应对这一挑战，我们将高放大倍率SR重新定义为超分辨率 (UR) 问题，将其表述为求解条件扩散随机微分方程 (SDE)。在此背景下，我们提出了WaveDiffUR，这是一种基于小波域的扩散UR求解器，通过分解处理条件小波分量的序列子过程来实现UR过程。WaveDiffUR通过将预训练的SR模型作为插拨式模块来实现，迭代重构低频小波细节（确保全局一致性）和高频分量（增强局部保真度），从而减轻SDE的难以解决性，确保在不同应用领域的可扩展性。为解决在极端放大倍率下固定边界条件的局限性，我们引入了跨尺度金字塔 (CSP) 约束，这是一种动态自适应的框架，引导WaveDiffUR生成细粒度的小波细节，确保即使在极端放大倍率下也能输出一致且高保真的结果。
引用
@article{arxiv.2412.18996,
title = {WaveDiffUR: A diffusion SDE-based solver for ultra magnification super-resolution in remote sensing images},
author = {Yue Shi and Liangxiu Han and Darren Dancy and Lianghao Han},
journal= {arXiv preprint arXiv:2412.18996},
year = {2024}
}