SYNTHÈSE D'IMAGES OPTIQUES À PARTIR D'IMAGES SAR POUR LA SUPPRESSION DE NUAGES AVEC DES RÉSEAUX ADVERSARIELS GÉNÉRATIFS

Les images optiques sont fréquemment perturbées par la présence de nuages. Afin de réduire cet effet, diverses techniques de reconstruction ont été proposées ces dernières années. Une solution courante consiste à extraire des données provenant de capteurs actifs, tels que le radar à ouverture synthétique (SAR), qui sont pratiquement indépendants des conditions atmosphériques et de l’éclairement solaire. En revanche, les images SAR sont plus complexes à interpréter que les images optiques, nécessitant un traitement particulier. Récemment, les réseaux génératifs adversariaux conditionnels (cGAN) ont été largement utilisés dans diverses tâches de génération d’images, remportant des résultats de pointe. Une application des cGAN est l’apprentissage d’une fonction de correspondance non linéaire entre deux images provenant de domaines différents. Dans ce travail, nous combinons le fait que les images SAR sont peu affectées par les nuages avec la capacité des cGAN à effectuer une translation d’images, afin de transformer des images SAR en images optiques, dans le but de restaurer les régions couvertes par des nuages. Les résultats expérimentaux montrent que la solution proposée permet d’obtenir une précision de classification supérieure à celle obtenue par une classification basée uniquement sur les images SAR.