要約
雲を透過する合成開口レーダ（SAR）画像を用いることで、雲除去タスクの課題を緩和することができます。しかし、光学画像とSAR画像の間の大きな領域差や、SAR画像の深刻なスペックルノイズは、SARベースの雲除去に大きな干渉を引き起こし、性能低下をもたらす可能性があります。本論文では、SAR画像に埋め込まれた補完的な情報を活用する、新しいグローバル-ローカルフュージョンベース雲除去（GLF-CR）アルゴリズムを提案します。雲除去を促進するためにSAR情報の力を利用することは、2つの側面を伴います。1つ目のグローバルフュージョンは、すべてのローカルな光学窓の関係をガイドし、残りの雲のない領域と復元領域の構造を一致させます。また、ダイナミックフィルタリングにより、スペックルノイズによる性能劣化を軽減します。広範な評価により、提案アルゴリズムが高品質の雲なし画像を生成し、SEN12MS-CRデータセットにおいて、PSNRの点で約1.7dBの利得を得て、最新の雲除去アルゴリズムを上回ることが実証されています。
要約(オリジナル)
The challenge of the cloud removal task can be alleviated with the aid of Synthetic Aperture Radar (SAR) images that can penetrate cloud cover. However, the large domain gap between optical and SAR images as well as the severe speckle noise of SAR images may cause significant interference in SAR-based cloud removal, resulting in performance degeneration. In this paper, we propose a novel global-local fusion based cloud removal (GLF-CR) algorithm to leverage the complementary information embedded in SAR images. Exploiting the power of SAR information to promote cloud removal entails two aspects. The first, global fusion, guides the relationship among all local optical windows to maintain the structure of the recovered region consistent with the remaining cloud-free regions. The second, local fusion, transfers complementary information embedded in the SAR image that corresponds to cloudy areas to generate reliable texture details of the missing regions, and uses dynamic filtering to alleviate the performance degradation caused by speckle noise. Extensive evaluation demonstrates that the proposed algorithm can yield high quality cloud-free images and outperform state-of-the-art cloud removal algorithms with a gain about 1.7dB in terms of PSNR on SEN12MS-CR dataset.
arxiv情報
| 著者 | Fang Xu,Yilei Shi,Patrick Ebel,Lei Yu,Gui-Song Xia,Wen Yang,Xiao Xiang Zhu |
| 発行日 | 2022-08-09 09:24:27+00:00 |
| arxivサイト | arxiv_id(pdf) |