本研究探讨了低光照条件下活动相机的背景噪声问题，提出了一种新型事件驱动噪声过滤算法，能够有效过滤极稀疏场景的噪声。实验结果表明，该算法在信号保留和噪声去除方面优于现有方法，并提供了新的高分辨率卫星数据集。

提出了一种名为CrossDiff的跨预测扩散模型，利用自我监督的表示学习方法进行卫星图像的泛光锐化。实验证明了该模型的有效性和优越性，并验证了其在其他卫星数据集上的泛化能力。