GRSL好论文|基于SAR-光学影像融合的高效卫星影像云去除网络_光学sar融合去云
论文标题
Duan C, Belgiu M, Stein A. Efficient Cloud Removal Network for Satellite Images Using SAR-optical Image Fusion[J]. IEEE Geoscience and Remote Sensing Letters, 2024.
遥感分析对于获取地球表面的洞察至关重要。特别是光学图像在城市规划与发展、农业和林业等多种应用中非常有效。然而，这些图像不可避免地会被云层遮挡。例如，根据对中等分辨率成像光谱仪（MODIS）观察的12年研究，全球约67%的表面被云层污染。云层覆盖给准确测量表面反射率带来了挑战，从而妨碍了后续的图像分析和处理。
最近，提出了更先进的方法，如基于物理模型和基于局部-全局上下文的深度学习网络，用于去除薄云。对于厚云，由于其不透明性，厚云去除方法需要辅助信息来恢复被云覆盖的区域。根据用于指导重建的辅助信息，这些方法可以分为四类：基于空间信息的方法、基于时间信息的方法、混合方法和基于合成孔径雷达（SAR）的方法。
基于空间信息的方法使用同一图像中清晰区域的信息来重建被云覆盖的信息。这些方法在处理大面积云覆盖时面临挑战，特别是在具有独特特征的区域，因为在这种情况下，清晰区域提供的有用纹理信息很少。基于时间信息的方法使用来自不同获取时间的辅助图像中的对应区域来恢复被云覆盖的区域。虽然这些方法可以产生足够的重建结果，但图像之间的显著时间差距可能导致由于土地覆盖变化而产生不太合适的结果。混合方法在空间-光谱-时间域中整合至少两种类型的信息，例如基于空间-时间信息的地统计方法、基于光谱-时间信息的低秩方法和基于空间-光谱-时间信息的深度学习方法。混合方法可以充分利用光学图像中来自多
