基于多时序SAR和受污染光学数据的高质量无云光学图像合成
计算机视觉与模式识别
2025-04-24 v1
摘要
解决卫星云层覆盖和重复观测周期导致的空白问题，对于提供支撑遥感应用的必需数据至关重要。本文针对云掩盖下缺失光学数据合成的挑战，尤其是在复杂场景中提出CRSynthNet—a一种新型图像合成网络，包含DownUp模块和融合注意力等创新设计模块以提高准确度。实验结果验证了CRSynthNet的有效性，显著改进了结构细节的恢复、光谱一致性的保持以及视觉效果的优越性，远超对比方法。它在多个指标上实现了定量提升：峰值信噪比（PSNR）为26.978，结构相似性指数（SSIM）为0.648，根均方误差（RMSE）为0.050。此外，本研究创建了TCSEN12数据集，这是一个为解决缺失光学数据合成中的云掩盖问题而设计的宝贵资源。该数据集独特地包括云层覆盖的图像并利用早期图像预测后续图像，提供了真实世界情景的逼真表现。本研究为光学卫星图像合成任务提供了实用的方法和宝贵资源。
关键词
引用
@article{arxiv.2504.16870,
title = {High-Quality Cloud-Free Optical Image Synthesis Using Multi-Temporal SAR and Contaminated Optical Data},
author = {Chenxi Duan},
journal= {arXiv preprint arXiv:2504.16870},
year = {2025}
}