面向超高分辨率遥感影像去云的扩散增强方法
图像与视频处理
2024-01-30 v1 计算机视觉与模式识别
机器学习
摘要
云层的存在严重损害了光学遥感（RS）图像的质量和有效性。然而，现有的基于深度学习（DL）的云去除（CR）技术在准确重建图像的原始视觉真实感和细节语义内容方面遇到了困难。为应对这一挑战，本工作提出在数据和方法层面进行增强。在数据方面，建立了一个空间分辨率为0.5米的超高分辨率基准数据集，名为CUHK云去除（CUHK-CR）。该基准数据集融合了丰富的细节纹理和多样的云覆盖，为设计和评估云去除模型提供了坚实的基础。从方法论角度看，我们提出了一种新颖的基于扩散的云去除框架，称为扩散增强（DE），以执行渐进式纹理细节恢复，从而降低了训练难度并提高了推理精度。此外，还开发了一个权重分配（WA）网络来动态调整特征融合的权重，从而进一步提高性能，特别是在超高分辨率图像生成的背景下。更进一步，应用了一种由粗到精的训练策略，以有效加速训练收敛，同时降低处理超高分辨率图像所需的计算复杂度。在新建立的CUHK-CR和现有数据集（如RICE）上的大量实验证实，所提出的DE框架在感知质量和信号保真度方面均优于现有的基于深度学习的方法。
引用
@article{arxiv.2401.15105,
title = {Diffusion Enhancement for Cloud Removal in Ultra-Resolution Remote Sensing Imagery},
author = {Jialu Sui and Yiyang Ma and Wenhan Yang and Xiaokang Zhang and Man-On Pun and Jiaying Liu},
journal= {arXiv preprint arXiv:2401.15105},
year = {2024}
}