DehazeMamba：基于自适应状态空间模型的 SAR 引导光学遥感图像去雾
计算机视觉与模式识别
2025-03-18 v1 图像与视频处理
摘要
由于广阔的空间尺度和高度不均匀的雾气分布，光学遥感图像去雾面临着重大挑战，而传统的单图像去雾方法难以有效解决这一问题。虽然合成孔径雷达（SAR）图像为大规模场景提供了本质上无雾的参考信息，但现有的 SAR 引导去雾方法面临两个关键局限：SAR 信息的整合往往会降低无雾区域的质量，而特征质量的不稳定性进一步加剧了跨模态域偏移。为了克服这些挑战，我们引入了 DehazeMamba，这是一种建立在渐进去雾解耦融合策略基础上的新型 SAR 引导去雾网络。我们的方法包含两项关键创新：一个是雾感知与解耦模块（HPDM），通过光学-SAR 差异分析动态识别受雾影响区域；另一个是渐进融合模块（PFM），通过基于特征质量评估的两阶段融合过程来缓解域偏移。为了促进该领域的研究，我们提出了 MRSHaze，这是一个大规模基准数据集，包含 8,000 对时间同步、精确地理配准的高分辨率 SAR-光学图像，且具有多样的雾气条件。大量实验表明，DehazeMamba 显著优于 SOTA 方法，PSNR 提升了 0.73 dB，并在语义分割等下游任务中取得了实质性提升。数据集获取地址：https://github.com/mmic-lcl/Datasets-and-benchmark-code。
引用
@article{arxiv.2503.13073,
title = {DehazeMamba: SAR-guided Optical Remote Sensing Image Dehazing with Adaptive State Space Model},
author = {Zhicheng Zhao and Jinquan Yan and Chenglong Li and Xiao Wang and Jin Tang},
journal= {arXiv preprint arXiv:2503.13073},
year = {2025}
}