122、超分在遥感图像中的应用：卫星图像增强与细节恢复去年接了个军工口的项目，甲方扔过来一堆0.5米分辨率的卫星图，说“能不能给我提到0.1米？”我当时差点把咖啡喷屏幕上。遥感图像超分跟普通图像超分完全是两码事——你拿EDSR或者RCAN直接怼上去，出来的结果要么是模糊的油画，要么是伪影满天飞。今天聊聊我在这个坑里爬出来的经验。问题出在哪：遥感图像的“三不像”特性先说我踩的第一个坑。当时我天真地以为，遥感图像不就是分辨率低点嘛，拿DIV2K预训练的模型微调一下就行。结果模型跑完，甲方反馈：“你们这图上的坦克怎么变成了一坨马赛克？”我放大一看，确实，原本应该是棱角分明的军事目标，被超分模型“脑补”成了一团模糊的阴影。遥感图像有三个特性让普通超分模型抓狂：第一，纹理极度重复且规则，比如农田、建筑群，模型容易产生周期性伪影；第二，边缘极其锐利，道路、建筑物边界是像素级的突变，普通超分模型倾向于平滑化；第三，存在大量小目标，比如车辆、船只，在低分辨率下可能只有几个像素，模型根本学不到有效特征。数据预处理：别直接拿原始图像喂模型我见过不少团队直接把16位的遥感图像转成8位就开训，这是大忌。遥感图像通常有11位甚至16位的辐射分辨率，直接截断会丢失大量细节信息。正确的做法是分两步走：# 别这样写：直接np.clip(img, 0, 255).astype(np.uin