針對將1.5米分辨率遙感圖像超分辨率至0.8米的需求，當前主流方法可分為以下幾類，結合最新研究進展和實際應用場景，具體技術方案及SOTA方法如下：
一、基于Transformer的高效建模
1. Top-k標記選擇Transformer（TTST）
- 核心機制：通過動態選擇前k個關鍵標記（token），消除冗余特征干擾，結合多尺度前饋層（MFL）和全局上下文注意力（GCA），在保持計算效率的同時提升長距離依賴建模能力。
- 性能優勢：在模擬和真實遙感數據集上，TTST的PSNR比HAT-L方法平均提升0.14dB，而參數和計算成本僅為后者的47%左右，尤其適合大范圍場景。
- 適用場景：農業監測、城市規劃等需要全局結構重建的任務。
2. SwinIR
- 技術特點：采用移位窗口注意力機制，捕捉多尺度特征交互，在自然圖像超分中表現優異，可遷移至遙感領域。
- 改進方向：結合遙感圖像的光譜特性（如多波段融合）可進一步優化效果。
