Hybrid Attention Transformers for Multi-Spectral Satellite Super-Resolution

星载光学成像任务，如欧洲航天局哥白尼哨兵-2星座，在全球范围内提供了重要的多光谱观测数据，然而光学孔径衍射将可见光与近红外（VNIR）波段的原生地面采样距离（GSD）限制在10 m。专为8位摄影图像设计的传统单图像超分辨率（SISR）算法会引入严重的辐射畸变，从而破坏下游的植被生物物理分析。本文提出HAT-Light，一种面向边缘高效推理的连续尺度混合注意力Transformer，专为4通道（RGB+NIR）、16位大气底层（BOA）地表反射率影像设计。HAT-Light通过将非重叠窗口多头自注意力与深度可分离卷积前馈网络（DW-FFN）相结合，解决了标准自注意力的局限性，有效恢复了平移等变的局部归纳偏置，这对于分辨精细农田地块边界和机场跑道几何形态至关重要。通过谐波正弦特征级线性调制（FiLM），在单一检查点内实现了任意连续放大倍数（s∈[2.0, 4.0]）。此外，我们通过复合多任务损失套件强制物理辐射守恒，该套件融合了平滑Charbonnier回归、二维实傅里叶变换（rFFT2）频谱对齐、方向性Sobel边缘惩罚以及数值有界的凸余弦光谱角映射（SAM）损失，确保FP16数值稳定性。在涵盖五种不同生物群系的600个精选哨兵-2测试图像块上进行评估，HAT-Light确立了最先进的精度（33.48 dB PSNR、0.9048 SSIM、1.37° SAM和1.89 ERGAS），优于双三次插值（+1.25 dB）和RCAN（+0.71 dB）。空间边缘剖面分析和农业NDVI相关性（R²=0.898）证实了稳健的生物物理守恒性。在100个真实2.5 m USGS NAIP航空图像块上按照Wald合成协议进行测试，HAT-Light在边缘GPU上以实时边缘吞吐量（78.7 FPS）实现了优异的零样本迁移性能（0.8332 SSIM）。