elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

GLF-CR: SAR-enhanced cloud removal with global–local fusion

Xu, Fang und Shi, Yilei und Ebel, Patrick und Yu, Lei und Xia, Gui-Song und Yang, Wen und Zhu, Xiao Xiang (2022) GLF-CR: SAR-enhanced cloud removal with global–local fusion. ISPRS Journal of Photogrammetry and Remote Sensing, 192, Seiten 268-278. Elsevier. doi: 10.1016/j.isprsjprs.2022.08.002. ISSN 0924-2716.

[img] PDF - Verlagsversion (veröffentlichte Fassung)
4MB

Offizielle URL: https://www.sciencedirect.com/science/article/pii/S0924271622002064

Kurzfassung

The challenge of the cloud removal task can be alleviated with the aid of Synthetic Aperture Radar (SAR) images that can penetrate cloud cover. However, the large domain gap between optical and SAR images as well as the severe speckle noise of SAR images may cause significant interference in SAR-based cloud removal, resulting in performance degeneration. In this paper, we propose a novel global–local fusion based cloud removal (GLF-CR) algorithm to leverage the complementary information embedded in SAR images. Exploiting the power of SAR information to promote cloud removal entails two aspects. The first, global fusion, guides the relationship among all local optical windows to maintain the structure of the recovered region consistent with the remaining cloud-free regions. The second, local fusion, transfers complementary information embedded in the SAR image that corresponds to cloudy areas to generate reliable texture details of the missing regions, and uses dynamic filtering to alleviate the performance degradation caused by speckle noise. Extensive evaluation demonstrates that the proposed algorithm can yield high quality cloud-free images and outperform state-of-the-art cloud removal algorithms with a gain about 1.7 dB in terms of PSNR on SEN12MS-CR dataset.

elib-URL des Eintrags:https://elib.dlr.de/192675/
Dokumentart:Zeitschriftenbeitrag
Titel:GLF-CR: SAR-enhanced cloud removal with global–local fusion
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Xu, FangTU MünchenNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Shi, Yileiyilei.shi (at) tum.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ebel, Patrickpatrick.ebel (at) tum.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Yu, LeiWuhan UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Xia, Gui-SongWuhan UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Yang, WenWuhan UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zhu, Xiao Xiangxiao.zhu (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Oktober 2022
Erschienen in:ISPRS Journal of Photogrammetry and Remote Sensing
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:192
DOI:10.1016/j.isprsjprs.2022.08.002
Seitenbereich:Seiten 268-278
Verlag:Elsevier
ISSN:0924-2716
Status:veröffentlicht
Stichwörter:Cloud removal, Data fusion, SAR, Transformer
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Künstliche Intelligenz
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Haschberger, Dr.-Ing. Peter
Hinterlegt am:20 Dez 2022 09:57
Letzte Änderung:06 Feb 2024 09:15

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.