近日，我院孙万捷、陈震中团队20级本科生王策论文“Semantic Guided Large Scale Factor Remote Sensing Image Super-resolution with Generative Diffusion Prior” （作者：王策，孙万捷）被摄影测量与遥感领域国际顶级期刊ISPRS Journal of Photogrammetry and Remote Sensing (SCI一区TOP，影响因子：10.6)录用。
高分辨率遥感影像在气象预测、农业监测、地理目标检测、土地覆盖制图等领域中扮演着至关重要的角色。高倍率遥感影像超分辨率重建（如32倍放大）是遥感影像应用的核心技术之一。相比低倍率超分辨率（如2倍或4倍），高倍率遥感影像重建任务需要应对更多的细节丢失和严重的模糊效应。然而，现有方法难以在高倍率放大的需求下生成纹理清晰且语义准确的高分辨率遥感影像。
图1 SGDM模型架构示意图
我们的研究工作创新性地提出一种面向真实遥感影像的高倍率遥感影像超分辨率重建模型SGDM，针对性地解决遥感影像高倍率超分辨率重建中存在的纹理模糊和地物结构错误等问题。我们的研究工作从“风格-内容”解耦的角度出发，将跨传感器的低分辨率遥感影像和高分辨率遥感影像分别分解到共享的内容域和各自的风格域。在内容方面，通过矢量地图提供地物结构及语义信息，指导模型生成语义准确且细节丰富的影像。在风格方面，通过目标传感器的风格信息统计建模，生成具有指定或风格多样的高分辨率影像。同时，利用预训练的Stable Diffusion生成模型作为先验，有效生成具有逼真纹理的高分辨率影像。我们还提出了一个包含矢量图的跨模态高倍率遥感图像超分辨率重建数据集（CMSRD）。在CMSRD上的大量实验结果表明，SGDM在真实场景下的遥感影像超分辨率重建具有优异的性能。在多个下游解译任务中，SGDM超分辨率重建影像的可用性也得到了充分的验证。
图2 32倍SGDM遥感影像超分辨率重建的可视化结果
我们的研究展示了生成式扩散模型在高倍率遥感影像超分辨率重建领域的潜力，为解决传统方法中语义模糊与风格失配等问题提供了新思路。
该工作由孙万捷副研究员（通讯作者）指导我院本科生王策（第一作者）完成。该研究成果得到了国家自然科学基金青年项目（62201403）和湖北省自然科学基金面上项目（2024AFB549）的支持。项目已经开源：https://github.com/wwangcece/SGDM。
孙万捷、陈震中团队长期指导本科生从事学术研究，近年来多名本科生以第一作者在人工智能、计算机视觉、摄影测量等领域顶级期刊或CCF A类会议上发表论文。遥感学院扎实践行“三创”教育理念，积极贯彻学校精神，重视本科教育，持续推进教与学革命、秉持以学生为中心的培养理念，注重拔尖创新人才培养，通过搭建多种科研平台、配备专业导师团队等举措，鼓励更多本科生参与到学院科研团队中，成效显著，全面提升了本科生的科研创新与实践能力，为遥感学子未来走向社会、投身科研或创业等领域奠定了坚实的基础，为学校迈向 “双一流” 建设的更高水平提供着源源不断的人才动力。
