简介：为了解决现有遥感图像超分辨率网络无法充分利用跨尺度特征、参数过多和计算量大的问题,提出一种面向遥感图像超分辨率重建的跨尺度余弦注意力网络.通过引入特征蒸馏机制设计了一种级联特征蒸馏块,用来提取具有不同感知场和高频信息的更丰富的区域特征,同时保持模型轻量化.在级联特征蒸馏块中嵌入一种多分支空间注意力模块以进一步提升网络对关键空间信息的捕捉能力.此外,提出的跨尺度余弦注意力层可以在不增加计算复杂度的情况下有效计算高维和低维特征之间的相关性,从而增强模型对不同尺度特征的处理能力,而且其中的高效余弦自注意力机制解决了网络注意力被特定像素支配的问题,增强网络关注更多特征的能力.在UC Merced和AID数据集上的实验结果表明,所提算法与当前主流的超分辨率重建算法相比以相对较低的计算成本获得了更好的峰值信噪比和结构相似度,重建后的图像恢复了更多的纹理细节信息,验证了所提网络可以在较好地平衡模型轻量化的同时提升超分辨率重建性能.展开
