基于多传感器数据融合的全球全季节 Sentinel-2 影像去云方法

本工作已被 IEEE TGRS 接收发表。通过星载地球影像获取的光学观测大多受云影响。尽管已有大量关于重建被云覆盖信息的研究，以往研究通常局限于狭窄定义的感兴趣区域，这引发了方法能否泛化到不同云量、不同区域与季节所获取的多样化观测的问题。我们针对泛化挑战，策划了一个用于训练新去云方法的大型新数据集，并基于最近提出的图像质量与多样性两项性能指标进行评估。我们的数据集是首个公开可用的、包含全球配准雷达与光学观测（含云与无云）样本的数据集。基于云覆盖在晴空与完全覆盖之间差异巨大的观察，我们提出了一种可应对两种极端情况的新模型，并在所提数据集上评估其性能。最后，我们证明了在真实数据而非合成数据上训练模型的优越性，强调了精心策划真实观测数据集的必要性。为促进未来研究，我们的数据集已在线公开。