科学技术与应用

面向海事监控的船舶遥感图像超分辨率算法研究

秦 凡

江苏海事职业技术学院 轮机与电气工程学院

第 蒙

江苏海事职业技术学院 轮机与电气工程学院

王 健翔

江苏海事职业技术学院 轮机与电气工程学院

李 超

江苏海事职业技术学院 轮机与电气工程学院

高 子青

江苏海事职业技术学院 轮机与电气工程学院

DOI: https://doi.org/10.59429/kxjsyy.v3i4.15208

Keywords: 船舶遥感图像；超分辨率重建；FSRCNN；SRCNN

---

Abstract

针对船舶卫星遥感图像受成像设备与复杂海洋环境影响，存在分辨率低、细节模糊，难以满足海事军事图像 监测等领域的应用需求问题，首次开展轻量化深度学习驱动的船舶遥感图像超分辨率重建研究。首先，对高清船 舶卫星遥感图像数据集进行退化处理，模拟实际含噪数据集；然后，将 Bicubic、SRCNN 与 FSRCNN 三种典型轻 量化模型分别用于船舶遥感图像多倍率超分辨率重建，以 PSNR 和 SSIM 为评判指标开展仿真分析。结果表明，相 比于 Bicubic，FSRCNN 的 PSNR 平均提升 1.28~2.02 dB，SSIM 平均提升了 1.32dB~1.97dB，SRCNN 平均提升了 0.64dB~1.28dB，两种模型均可实现对船舶遥感图像的超分处理，能够有效还原船舶图像的关键细节。所提轻量化模 型计算效率高、部署成本低，为海事军事图像监测领域提供理论参考与技术路径。

---

References

[1] 徐彤阳，方勇. 基于 Contourlet 变换的双三次插值算法[J]. 计算机工程，2010, 36(7): 20-22+26.

[2] 徐一帆，杨海涛，李晓伟. 图像超分辨率方法研究综述[J/OL]. 计算机工程与应用，2026, 1-24.

[3] 范佳丽. 基于 EDSR 模型的遥感影像超分辨率重建[J]. 测绘与空间地理信息，2025, 48(S2): 114-117.

[4] Dong C, Loy C C, He K, et al. Learning a deep convolutional network for image super-resolution[C]//European conference on computer vision. Cham: Springer International Publishing, 2014: 184-199.

[5] Dong C, Loy C C, He K, et al. Image Super-Resolution Using Deep Convolutional Networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,

2016, 38(2): 295-307.