基于CUT网络的DMSP至VIIRS夜间灯光数据的无配对跨域校准
计算机视觉与模式识别
2026-03-18 v1
摘要
防务气象卫星程序(DMSP-OLS)和Suomi国家极轨合作计划(SNPP-VIIRS)夜间灯光(NTL)数据对于监测城市化至关重要，但传感器不兼容性阻碍了长期分析。本研究提出了一种基于对比学习无配对翻译(CUT)网络的跨传感器校准方法，用于将DMSP数据转换为VIIRS格式，纠正DMSP缺陷。该方法采用多层分块式对比学习，以最大化相应分块之间的相互信息，既保留内容一致性又学习跨域相似性。利用2012-2013年重叠数据进行训练，该网络处理1992-2013年DMSP影像，生成类似VIIRS的栅格数据。验证结果表明，生成的VIIRS-style数据与实际VIIRS观测值高度一致(R²大于0.87)，且与社会经济指标一致。这一方法有效解决了跨传感器数据融合问题，校正了DMSP缺陷，为扩展NTL时间序列提供了可靠方案。
引用
@article{arxiv.2603.16385,
title = {Unpaired Cross-Domain Calibration of DMSP to VIIRS Nighttime Light Data Based on CUT Network},
author = {Zhan Tong and ChenXu Zhou and Fei Tang and Yiming Tu and Tianyu Qin and Kaihao Fang},
journal= {arXiv preprint arXiv:2603.16385},
year = {2026}
}
备注
16 pages, 10 figures, 8 tables. Submitted to Remote Sensing of Environment. Code and data available at: https://github.com/[your-repo-link]