Die Herausforderung der Wolkenentfernung kann mit Hilfe von Synthetic Aperture Radar (SAR)-Bildern, die durch Wolkendecken dringen können, gemindert werden. Allerdings kann der große Domänenunterschied zwischen optischen und SAR-Bildern sowie das starke Punktgeräusch in SAR-Bildern erhebliche Störungen bei der SAR-basierten Wolkenentfernung verursachen, was zu einer Leistungsverschlechterung führt. In dieser Arbeit schlagen wir einen neuen global-lokalen Fusionsalgorithmus zur Wolkenentfernung (GLF-CR) vor, um die in SAR-Bildern enthaltene komplementäre Information zu nutzen. Die Nutzung der Stärken der SAR-Information zur Förderung der Wolkenentfernung umfasst zwei Aspekte. Erstens führt die globale Fusion den Zusammenhang zwischen allen lokalen optischen Fenstern, um die Struktur des rekonstruierten Bereichs konsistent mit den übrigen wolkenfreien Bereichen zu halten. Zweitens transferiert die lokale Fusion die in den SAR-Bildern enthaltene komplementäre Information, die den bewölkten Bereichen entspricht, um verlässliche Texturdetails der fehlenden Regionen zu generieren und verwendet dynamisches Filtern, um die Leistungsverschlechterung durch Punktgeräusch zu mildern. Ausführliche Evaluierungen zeigen, dass der vorgeschlagene Algorithmus hochwertige wolkenfreie Bilder erzeugen kann und den aktuellen Stand der Technik in Bezug auf das Peak Signal-to-Noise Ratio (PSNR) auf dem SEN12MS-CR-Datensatz um etwa 1,7 dB übertrifft.