Como un método económico y efectivo para mejorar la resolución de imágenes de teledetección (RSIs), la superresolución de imágenes de teledetección (RSISR) ha sido ampliamente estudiada. Sin embargo, los métodos existentes carecen de la utilización de información previa en las RSIs, lo que lleva a una representación de detalles insatisfactoria en las imágenes reconstruidas. Para abordar esto, en este artículo, proponemos un modelo de superficie digital (DSM) y una red de superresolución multidireccional guiada por fractales (DFMDN), que utiliza priors explícitos adicionales del DSM para facilitar la reconstrucción de detalles de alta frecuencia realistas. Mientras tanto, para identificar de manera más precisa las relaciones entre objetos en las RSIs, diseñamos un módulo de extracción de características multidireccional: bloques densos residuales en residuales multidireccionales (MDRRDB), que captura la variación desde diferentes ángulos de visión. Finalmente, para guiar y restringir la red a generar imágenes reconstruidas con texturas que se alineen más estrechamente con patrones naturales, desarrollamos un algoritmo de mapeo fractal (FMA) y una función de pérdida relacionada. Nuestro método demuestra mejoras significativas tanto en métricas cuantitativas como en calidad visual en comparación con enfoques existentes en varios conjuntos de datos.