CloudBreaker：使用基于情境潜在流匹配的多阶段训练方法破解Sentinel-2图像的云层
计算机视觉与模式识别
2025-08-07 v1 图像与视频处理
摘要
云层覆盖和夜间条件仍是卫星遥感中显著的限制，常常限制了多光谱图像的可用性和可使用性。相较于此，Sentinel-1雷达图像不受云层影响，可无论天气或照明条件均提供一致的数据。为解决卫星图像的有限性问题，我们提出CloudBreaker—a一种新型框架，用于从Sentinel-1数据生成高质量的多光谱Sentinel-2信号。这包括对光学（RGB）图像以及关键植被指数（NDVI）和水体指数（NDWI）的重建。我们采用了基于情境潜在流匹配的新型多阶段训练方法，并且在所知的情况下首次将余弦调度与流匹配集成。CloudBreaker表现出色，实现了0.7432的Fréchet惩人距离（FID）得分，表明生成的光学图像具有高保真度和真实感。该模型还为NDWI取得结构相似性指数（SSIM）为0.6156，NDVI为0.6874，表明具有很高的结构相似性。这一成就将CloudBreaker确立为广泛遥感应用的有前景的解决方案，其中通常不可用或不可靠的多光谱数据。
关键词
引用
@article{arxiv.2508.03608,
title = {CloudBreaker: Breaking the Cloud Covers of Sentinel-2 Images using Multi-Stage Trained Conditional Flow Matching on Sentinel-1},
author = {Saleh Sakib Ahmed and Sara Nowreen and M. Sohel Rahman},
journal= {arXiv preprint arXiv:2508.03608},
year = {2025}
}