Suppression des nuages par fusion d’images optiques à haute résolution et d’images SAR à l’aide de réseaux génératifs antagonistes

L’existence des nuages constitue l’un des principaux facteurs responsables de l’absence d’informations dans les images de télédétection optique, limitant ainsi leurs applications ultérieures pour l’observation de la Terre. La reconstruction des informations manquantes dues aux nuages suscite donc un intérêt considérable. Inspirés par les travaux sur la translation d’images basés sur les réseaux de neurones convolutifs (CNN) et par la notion de fusion d’informations hétérogènes, nous proposons dans cet article une nouvelle méthode de suppression des nuages. L’approche peut être globalement divisée en deux étapes : dans la première étape, un réseau de neurones convolutif spécialement conçu traduit les images de radar à ouverture synthétique (SAR) en images optiques simulées de manière objet-à-objet ; dans la seconde étape, l’image optique simulée, combinée à l’image SAR et à l’image optique altérée par les nuages, est fusionnée afin de reconstruire la zone endommagée par un réseau antagoniste génératif (GAN) doté d’une fonction de perte particulière. Entre les deux étapes, le contraste et la luminosité de l’image optique simulée sont aléatoirement modifiés afin de renforcer la robustesse du modèle. Deux expériences de simulation et une expérience sur données réelles ont été menées pour valider l’efficacité de la méthode proposée sur les données Sentinel 1/2, GF 2/3 ainsi que sur des données aériennes SAR/optiques. Les résultats démontrent que la méthode proposée surpasser les algorithmes de pointe qui utilisent également les images SAR comme données auxiliaires.