9月初，我校電子信息工程學(xué)院（機(jī)器人學(xué)院）熊承義教授團(tuán)隊(duì)在國(guó)際遙感領(lǐng)域期刊IEEE Transactions on Geoscience and Remote Sensing (TGRS)（中科院一區(qū)TOP期刊，影響因子8.6）上發(fā)表重要研究成果，論文題為“HAM: Hierarchical AttentionMamba With Spatial–Frequency Fusion for Remote Sensing Image Super-Resolution”。該項(xiàng)研究在遙感圖像超分辨率重建方面取得新進(jìn)展，為提升圖像重建質(zhì)量與細(xì)節(jié)恢復(fù)能力提供了新范式。
論文第一作者為我校電子信息工程學(xué)院（機(jī)器人學(xué)院）2023級(jí)碩士研究生李明月，熊承義教授為通訊作者。合作者包括我校計(jì)算機(jī)學(xué)院高志榮副教授和武漢大學(xué)電子信息學(xué)院馬佳義教授。
遙感圖像在國(guó)土資源調(diào)查、環(huán)境監(jiān)測(cè)和城市規(guī)劃等領(lǐng)域應(yīng)用廣泛，但常因成像條件限制導(dǎo)致分辨率不足、細(xì)節(jié)信息丟失。現(xiàn)有基于Mamba的超分辨率方法在處理復(fù)雜遙感場(chǎng)景時(shí)，常面臨層次特征交互不足、空間與頻率信息融合不充分等挑戰(zhàn)。
論文圖摘要。電信學(xué)院供圖
針對(duì)上述挑戰(zhàn)，熊承義教授研究團(tuán)隊(duì)提出了一種新型層級(jí)注意力Mamba網(wǎng)絡(luò)（HAM），創(chuàng)新性地設(shè)計(jì)了層級(jí)聚合注意力模塊（HAA）和空頻信息交互模塊（SFIIM）。HAA模塊通過(guò)差異驅(qū)動(dòng)機(jī)制實(shí)現(xiàn)多層次特征互補(bǔ)融合，SFIIM模塊則借助傅里葉變換解耦振幅與相位信息，分別增強(qiáng)圖像全局結(jié)構(gòu)和局部紋理的恢復(fù)能力。兩者協(xié)同工作，顯著提升了模型對(duì)復(fù)雜地物結(jié)構(gòu)的重建精度。
實(shí)驗(yàn)表明，HAM模型在六個(gè)開(kāi)源遙感數(shù)據(jù)集上均達(dá)到最優(yōu)性能，在PSNR、SSIM、LPIPS等評(píng)價(jià)指標(biāo)上超越現(xiàn)有先進(jìn)方法，并展現(xiàn)出較高重建性能和計(jì)算效率。團(tuán)隊(duì)還推出輕量化版本HAM-Tiny，在保持高性能的同時(shí)大幅降低參數(shù)規(guī)模，具備良好的工程應(yīng)用前景。
論文鏈接：https://ieeexplore.ieee.org/document/11151607
2025-09-26
