RFCNet：基于残差特征校正网络的遥感图像超分辨率

在单遥感图像超分辨率（SR）领域，深度卷积神经网络（CNNs）取得了优异的性能。为了进一步提高卷积模块在处理遥感图像时的性能，我们构造了一个高效的残差特征校准块来生成表达特征。在获取残差特征后，我们首先沿着通道维度将其分为两部分。一部分流到自校准卷积（SCC）进行进一步细化，另一部分通过所提出的双通道注意力（TPCA）机制进行重新缩放。SCC根据局部特征在深感受野下的表达来校正局部特征，以便在不增加计算次数的情况下对特征进行细化。所提出的TPCA使用特征图的均值和方差来获得准确的通道注意力向量。此外，引入了一种区域级的非局部操作，通过探索区域级的像素相关性来捕获长距离空间上下文信息。大量实验表明，所提出的残差特征校准网络在定量度量和视觉质量方面优于其他SR方法。