摘要
云的存在是导致光学遥感图像信息缺失的主要因素之一，严重制约了其在地球观测中的进一步应用。因此，如何重建由云引起的缺失信息成为当前研究的重要课题。受基于卷积神经网络（CNN）的图像到图像转换方法以及异构信息融合思想的启发，本文提出了一种新型的云去除方法。该方法大致可分为两个步骤：首先，设计一种专用的卷积神经网络（CNN），以“对象到对象”的方式将合成孔径雷达（SAR）图像转换为模拟的光学图像；其次，利用一种具有特定损失函数的生成对抗网络（GAN），将模拟光学图像、原始SAR图像以及受云污染的光学图像进行融合，以重建被云遮挡的区域。在两个步骤之间，对模拟光学图像的对比度和亮度进行随机调整，以增强模型的鲁棒性。为验证所提方法的有效性，本文在Sentinel-1/2、GF-2/3以及机载SAR/光学数据上开展了两组模拟实验和一组真实数据实验。实验结果表明，所提出的方法在重建精度和视觉质量方面均优于当前最先进的、同样利用SAR数据作为辅助信息的算法。