GLF-CR：基于全局-局部融合的SAR增强去云算法
计算机视觉与模式识别
2022-08-10 v3 图像与视频处理
摘要
借助能穿透云层的合成孔径雷达（SAR）图像可缓解去云任务的挑战。然而，光学与SAR图像间的巨大域差距以及SAR图像严重的散斑噪声可能对基于SAR的去云造成显著干扰，导致性能退化。本文提出一种新颖的基于全局-局部融合的去云（GLF-CR）算法，以利用SAR图像中嵌入的互补信息。利用SAR信息促进去云包含两方面。其一，全局融合引导所有局部光学窗口间的关系，使恢复区域的结构与剩余无云区域保持一致。其二，局部融合将SAR图像中对应云区所嵌入的互补信息迁移以生成缺失区域的可靠纹理细节，并使用动态滤波缓解散斑噪声引起的性能退化。大量评估表明，所提算法能生成高质量无云图像，并在SEN12MS-CR数据集上以PSNR提升约1.7dB优于当前最优去云算法。
引用
@article{arxiv.2206.02850,
title = {GLF-CR: SAR-Enhanced Cloud Removal with Global-Local Fusion},
author = {Fang Xu and Yilei Shi and Patrick Ebel and Lei Yu and Gui-Song Xia and Wen Yang and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2206.02850},
year = {2022}
}