稳定扩散模型在遥感图像生成中的应用.pdfVIP

计算机时代2025年第1期

DOI:10.16644/j.cnki.cn33-1094/tp.2025.01.003

稳定扩散模型在遥感图像生成中的应用

周登继12，刘国阳1-2，黄济富1-2，蒙静远1.2

(1.中国电建集团华东勘测设计研究院有限公司，浙江杭州311122；2.浙江华东工程数字技术有限公司）

摘要：深度学习中遥感影像解译需要大量高质量遥感数据，但获取大量高分辨率的遥感数据成本高昂。为高效、经济

地解决模型训练数据遗乏的问题，本文利用稳定扩散模型(StableDiffusion)实现了遥感图像的生成。该方法利用

DreamBooth技术和控制网络(ControlNet)，通过文字描述从噪声端到端生成多传感器遥感影像。实验结果表明，该方法

不仅能够有效提高训练数据的多样性，而且生成的数据质量接近真实数据水平，解决了训练数据不足的问题。

关键词：稳定扩散模型；DreamBooth；ControlNet；深度学习；遥感图像生成

中图分类号：TP391.4文献标识码：A

Theapplicationofstablediffusioninthegenerationofremotesensingimagery

ZhouDengi2,LiuGuoyang2,HuangJiful2,MengJingyuan-?

(1.PowerChinaHuadongEngineeringCorporationLimited,Hangzhou,Zhejiang311122,China;

2.ZhejiangHuadongEngineeringDigitalTechnology)

Abstract:Remotesensingimageinterpretationindeeplearningrequiresalargeamountofhigh-qualityremotesensingdata,butit

iscostlytoobtainalargeamountofhigh-resolutionremotesensingdata.Tosolvetheproblemoflackofmodeltrainingdata

efficientlyandeconomically,thispaperusesthestablediffusionmodel(SD)togenerateremotesensingimages.Thismethod

utilizesDreamBoothandControlNettogeneratemulti-sensorremotesensingimagesfromnoiseendtoendthroughtextdescription.

Theexperimentalresultsshowthatthismethodnotonlycaneffectivelyimprovethediversityoftrainingdata,butalsothequality

ofthegenerateddataisclosetothelevelofrealdata,whichsolvestheproblemofinsufficienttrainingdata.

Keywords:Stabledifusionmodel,DreamBooth;ControlNet;Deeplearning;Remotesensingimagegeneration

0引言训练样本数据增强如王丹等人[2}在路面缺陷检测中

用CutPaste自适应异常数据生成方法。这类方法未改

近年来，以场景分类、目标检测、语义分割、超分