南京林业大学学报(自然科学版)

作者：高璞,王钧泽,李林辉,景维鹏

单位：东北林业大学计算机与控制工程学院, 黑龙江 哈尔滨 150040

关键词：遥感技术,深度学习,超分辨率,Sentinel-2,注意力机制

基金：内蒙古自治区科技计划(2022YFSJ0037)

【目的】通过深度学习和图像融合技术提高Sentinel-2遥感影像的空间分辨率,增强地表信息的精确性与可靠性,为后续森林资源的精确调查和监测、农业产量预测等方面提供数据支持。【方法】提出了一种基于空间通道双流注意力的Sentinel-2遥感影像超分辨率方法,针对遥感影像多光谱与多分辨率特性设计了一种双分支模型,分别对高分辨率波段和低分辨率波段的信息进行差异化处理。其中对高分辨率波段通过引入空间注意力机制,精准捕获影像中的空间特征细节;对低分辨率波段则通过通道注意力机制动态调整光谱特征的权重分布,强化了光谱特征表达能力。在特征融合阶段,模型采用特征深度提取策略,将空间特征与光谱特征高效整合,生成包含多维度信息的复合特征表示。同时通过组合损失(即L1损失和边缘损失)实现有效地反馈学习,最终完成超分辨率重建。【结果】分别在3个地区的降级采样图像和真实图像2种数据规模下进行超分辨率重建试验,结果表明所提出的算法的客观评价指标和主观视觉效果均优于对比算法。对于降级采样图像数据,所提出的算法的均方根误差(RMSE)较Bicubic插值算法至少下降了50.33,较DSen2算法至少下降了1.64。对于真实图像数据,所提出的算法视觉效果更清晰自然。【结论】提出的基于空间通道双流注意力的遥感影像超分辨率模型能有效提高Sentinel-2遥感影像光谱的空间分辨率,为作物健康监测、土地利用分析等提供了数据支持,并扩展了Sentinel-2卫星在各个领域的应用范围。

来源：2026年第2期

《南京林业大学学报(自然科学版)》期刊编辑部

查看南京林业大学学报(自然科学版)杂志2026年第2期