GLF-CR: グローバル-ローカル融合によるSAR強化雲除去

クラウド除去タスクの課題は、雲を透過できる合成開口レーダ（SAR）画像の利用により軽減することができます。しかし、光学画像とSAR画像間の大きなドメインギャップや、SAR画像の深刻な斑点ノイズが、SARに基づくクラウド除去に重大な干渉を及ぼし、性能低下を引き起こ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情報を活用する新しいグローバル-ローカル融合型クラウド除去（GLF-CR）アルゴリズムを提案します。SAR情報の力を活用してクラウド除去を促進することは、以下の2つの側面から行われます。第1に、グローバル融合はすべてのローカル光学ウィンドウ間の関係性をガイドし、回復領域の構造が残りの雲がない領域と一貫性を持つように維持します。第2に、ローカル融合は雲のある領域に対応するSAR画像に埋め込まれた補完情報を転送し、欠損領域の信頼性のあるテクスチャ詳細を生成します。また、動的なフィルタリングを使用して斑点ノイズによる性能劣化を緩和します。広範な評価実験により、提案されたアルゴリズムは高品質な雲なし画像を生成できること、およびSEN12MS-CRデータセットにおいてPSNRで約1.7dBの改善という点で最先端のクラウド除去アルゴリズムを上回ることが示されました。