基于深度分层模型的时空SAR-光学数据融合去云方法
计算机视觉与模式识别
2022-03-29 v3 人工智能
图像与视频处理
摘要
去云是遥感中的一项重要课题，因为它提升了高分辨率光学图像用于地球监测与研究的可用性。相关技术已被研究多年，人们对适宜采用的方法——从多光谱到图像修复方法——有了日益清晰的认识。深度生成模型与基于序列到序列的模型近期应用已证明其显著推进该领域的能力。然而，仍存在一些缺口，主要涉及云量、云的密度与厚度，以及期间发生的地物变化。本工作中，我们通过引入一种利用空间与时间多源信息进行整体光学场景复原的新型多模态方法，填补了其中部分缺口。所提方法引入了一种创新的深度模型，利用时序序列混合与从合成孔径雷达（SAR）到光学图像的直接转换的结果，实现整幅场景的逐像素复原。我们所生成并公开的数据集上测试了多种大气条件，证明了本方法的优势。定量与定性结果表明，所提方法可获得无云图像，在无需借助大片干净图像的前提下保留场景细节，并能应对地物变化。
引用
@article{arxiv.2106.12226,
title = {Spatio-Temporal SAR-Optical Data Fusion for Cloud Removal via a Deep Hierarchical Model},
author = {Alessandro Sebastianelli and Artur Nowakowski and Erika Puglisi and Maria Pia Del Rosso and Jamila Mifdal and Fiora Pirri and Pierre Philippe Mathieu and Silvia Liberata Ullo},
journal= {arXiv preprint arXiv:2106.12226},
year = {2022}
}