这是一款用户友好的桌面应用程序，它使用预训练的 AI 模型，将哨兵二号（Sentinel-2）卫星影像的 10 米分辨率波段（蓝、绿、红和近红外）提升两倍。该工具无需复杂的命令行操作，支持 GeoTIFF 和 JPG 格式输出，并提供交互式预览和可选的锐化功能，让卫星图像增强变得简单快捷。
快速上手指南
- 安装依赖库:
pip install pyqt5 torch safetensors rasterio pillow numpy - 获取模型: 从项目的发布页面下载
REC_Real_L1B.safetensors文件。 - 运行程序:
python L1BSR-GUI.py - 加载数据: 选择模型文件和你的四个哨兵二号波段文件（B02, B03, B04, B08）。
- 开始处理: 点击 “Process” 按钮。
- 保存成果: 将生成的高分辨率图像保存为 GeoTIFF 或 JPG 文件。
数据要求： 为了保证程序正常运行，输入的波段文件应为从哥白尼浏览器下载的 16 位 TIFF 格式，并采用 UTM 坐标系。
核心功能
- 2倍超分辨率: 将 10 米的哨兵二号波段（B02, B03, B04, B08）分辨率提升。
- 图形化界面: 无需命令行，提供简单的点击式操作。
- 交互式预览:
- 可直接预览最终生成的大尺寸图像。
- 在预览图上按住鼠标即可查看处理前的原始图像，方便快速对比效果。
- 如果图像尺寸过大，可以使用滚动条平移查看。
- 视觉锐化: 可选的锐化功能，让图像细节更突出（仅影响预览和 JPG 输出）。
- 灵活的输出格式:
- GeoTIFF: 保存包含所有地理数据信息的完整 4 波段（蓝、绿、红、近红外）图像，是科研用途的最佳选择。
- JPG + JGW: 保存适用于报告或在 GIS 软件中查看的 3 波段（RGB）图像，并附带一个世界文件（.jgw）。
如何使用
- 放置模型文件: 建议在脚本所在目录下创建一个名为
trained_models的文件夹，并将下载的.safetensors模型文件放入其中。程序启动时会自动查找。 - 启动应用: 在终端运行脚本
python L1BSR-GUI.py。 - 选择输入波段: 点击 “Select B02…”、“Select B03…” 等按钮，加载你的四个 GeoTIFF 输入文件。文件必须具有相同的尺寸和地理投影。
- 处理图像: 点击 “Process (2x Super-Resolution)” 按钮并等待处理完成。使用 GPU 会显著加快处理速度。
- 预览和锐化: 处理完成后，输出窗口会显示超分辨率后的 RGB 预览图。你可以勾选 “Sharpen” 并调整滑块来增强视觉效果。
- 保存输出: 根据需要，点击 “Save as GeoTIFF…” 或 “Save as JPG + JGW…” 保存你的成果。
系统要求与加速选项
基础要求: 需要 Python 3 及以下库：
pyqt5,torch,safetensors,rasterio,pillow,numpy。GPU 加速 (推荐): 如果你有英伟达（NVIDIA）显卡，请确保安装支持 CUDA 的 PyTorch 版本，这将极大提升处理速度。
Onnx 推理: 项目中还提供了一个使用 OnnxRuntime 的版本 (
L1-BSR-GUI-ONNX.py)，其界面相同但需要使用 Onnx 格式的模型文件。它所需的库更少：onnxruntime,pyqt5,numpy,pillow,rasterio。
来源与许可
此应用程序的用户界面和工作流程基于 L1BSR 项目的核心模型和概念。其 AI 模型架构和处理逻辑源自 L1BSR 的原始工作。该项目与其所基于的原始项目一样，均采用 GNU 通用公共许可证 v3.0 进行许可。