DiffCR：一种用于光学卫星图像去云的快速条件扩散框架

光学卫星图像是关键的数据源；然而，云层覆盖常损害其质量，阻碍图像应用与分析。因此，有效去除光学卫星图像中的云已成为一个突出的研究方向。尽管近期去云进展主要依赖生成对抗网络，其可能产生次优图像质量，扩散模型已在多样图像生成任务中展现卓越成功，彰显出应对该挑战的潜力。本文提出一种称为 DiffCR 的新颖框架，其利用带深度卷积网络的条件引导扩散，实现光学卫星影像的高性能去云。具体而言，我们引入一个解耦编码器用于条件图像特征提取，提供鲁棒的颜色表征以确保条件输入与合成输出间外观信息的高度相似。此外，我们在去云模型中提出一种新颖且高效的时间与条件融合块，以低计算成本准确模拟条件图像与目标图像间外观的对应关系。在两个常用基准数据集上的大量实验评估表明，DiffCR 在所有指标上一致取得最先进性能，其参数与计算复杂度分别仅为先前最佳方法的 5.1% 与 5.4%。源代码、预训练模型及全部实验结果将于本文录用后公开于 https://github.com/XavierJiezou/DiffCR。