4 个月前

GLF-CR:基于全局-局部融合的SAR增强云层去除方法

GLF-CR:基于全局-局部融合的SAR增强云层去除方法

摘要

云层去除任务的挑战可以通过利用合成孔径雷达(SAR)图像来缓解,因为SAR图像能够穿透云层覆盖。然而,光学图像与SAR图像之间存在较大的域差距,以及SAR图像中的严重斑点噪声,可能会对基于SAR的云层去除造成显著干扰,导致性能下降。在本文中,我们提出了一种新颖的全局-局部融合云层去除(GLF-CR)算法,以充分利用嵌入在SAR图像中的互补信息。利用SAR信息促进云层去除涉及两个方面。首先,全局融合指导所有局部光学窗口之间的关系,以保持恢复区域的结构与剩余无云区域一致。其次,局部融合将对应于云区的SAR图像中嵌入的互补信息传递到缺失区域,生成可靠的纹理细节,并通过动态滤波减轻斑点噪声引起的性能退化。广泛的评估表明,所提出的算法可以生成高质量的无云图像,并且在SEN12MS-CR数据集上,其峰值信噪比(PSNR)比最先进的云层去除算法高出约1.7 dB。

代码仓库

xufangchn/glf-cr
官方
pytorch

基准测试

基准方法指标
cloud-removal-on-sen12ms-crGLF-CR
MAE: 0.028
PSNR: 28.64
SAM: 8.981
SSIM: 0.885

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
GLF-CR:基于全局-局部融合的SAR增强云层去除方法 | 论文 | HyperAI超神经