3 个月前

一种用于融合SAR与多光谱光学数据的条件生成对抗网络,实现Sentinel-2图像的云去除

一种用于融合SAR与多光谱光学数据的条件生成对抗网络,实现Sentinel-2图像的云去除

摘要

本文提出了一种首个专为融合合成孔径雷达(SAR)与光学多光谱(MS)图像数据而设计的条件生成对抗网络(cGAN)架构,能够基于受云层污染的多光谱输入图像和辅助SAR图像,生成无云、无霾的多光谱光学数据。在Sentinel-2多光谱数据与Sentinel-1 SAR数据上的实验结果表明,所提出的SAR-Opt-cGAN扩展模型通过利用辅助SAR信息,相较于仅以单源多光谱数据为输入的同架构模型,能够更有效地重建多光谱图像。

基准测试

基准方法指标
cloud-removal-on-sen12ms-crSAR-Opt-cGAN
MAE: 0.043
PSNR: 25.59
SAM: 15.494
SSIM: 0.764

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
一种用于融合SAR与多光谱光学数据的条件生成对抗网络,实现Sentinel-2图像的云去除 | 论文 | HyperAI超神经