ESA OpenSR开源首个多光谱遥感超分扩散模型，新模型让sentinel-2影像从10m提升至2.5m

2月份，欧洲航天局（ESA）OpenSR团队近期在《IEEE》期刊发表了一项重要研究成果：一种新型多光谱遥感影像超分辨率模型 LDSR-S2 。

所提出的模型 LDSR-S2 是第一个多光谱遥感 SR 扩散模型，它足够高效地处理大规模数据集，同时还提供像素不确定性度量（用于评估增强图像的可靠性）。

Sentinel-2影像超分辨率的技术挑战

Sentinel-2卫星提供的多光谱影像（10m分辨率）在农业监测、环境评估等领域应用广泛，但其空间分辨率限制了对小尺度地物（如单栋建筑、狭窄道路）的识别能力。

而现有超分辨率方法存在两大瓶颈：

生成对抗网络（GAN） 易导致光谱失真，影响植被指数等定量化分析；

物理驱动模型计算复杂度高，难以处理大范围区域数据。

LDSR-S2通过改进扩散模型架构，在提升分辨率至2.5m的同时，保持了光谱保真度与计算效率的平衡。

LDSR-S2的核心算法设计

这项研究以 潜在扩散模型 为基础，该模型利用深度学习将噪声细化为结构化数据，从而生成逼真的高分辨率图像。

与直接在像素空间中运行（计算成本高昂）的传统扩散模型不同，LDSR-S2 在压缩的潜在空间中处理图像，大大降低了计算成本。

该模型在多种数据集上进行训练：

• OpenImages（用于一般图像特征）

• SEN2NAIP 数据集（在 Sentinel-2 和 NAIP 之间创建合成的共同注册数据）

该模型学习增强 Sentinel-2 RGB 和近红外 (NIR) 波段的分辨率，从 10m 提高到 2.5m 。

重要的是，模型的概率性质允许生成不确定性图，突出显示 SR 结果可能不太可靠的区域。

大家都对超分图像的准确性都可能持怀疑态度。因此，这个成果带来的不确定性指标使我们更容易评估 SR 结果的可靠性。