基于条件扩散模型的多光谱图像去马赛克方法

本发明公开了一种基于条件扩散模型的多光谱图像去马赛克方法，属于图像处理与计算机视觉技术领域。该方法包括：从高光谱图像数据集中构建多光谱训练样本，依据马赛克模板生成低质量图像并形成配准的高低质量数据对；采用残差转移的非均匀前向扩散过程，在不同时间步注入逐步增强的噪声以模拟光谱退化；利用融合U‑Net与Swin Transformer结构的条件扩散模型，在反向重建过程中引入时间嵌入向量，实现多尺度空间特征与光谱特征的联合恢复。通过均方误差损失函数进行训练优化，使模型在保持光谱一致性的同时提升空间细节还原能力，本发明方法具有噪声调度自适应、训练稳定性高、重建结果保真度强及跨场景泛化能力好的优点。