弥合极端数据差距：基于双时相SAR差异的SAR-光学融合技术

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Bridging Extreme Data Gaps: SAR-Optical Fusion Guided by Dual-Temporal SAR Differences

　　

摘要：

连续且完整的光学观测对于农业监测、物候分析和地表评估至关重要。在亚热带和热带地区，持续的大规模厚云层覆盖常常导致长时间内可用的光学图像像素非常少，这使得依赖于空间和时间上相邻的无云数据的传统云去除和光学重建方法无法应用。同样，现有的SAR-光学融合和多时相光学方法也需要部分无云的目标图像。因此，在极端云层覆盖（≥超过80%）或光学数据长时间缺失的情况下，这些方法变得无效。为了解决这一挑战，我们提出了TDSAR-DR，这是一种双时相SAR差异引导的光学数据重建框架，它可以在不需要任何可用目标时相光学观测作为模型输入的情况下重建完整的光学图像。调制融合（TV-SMF）模块将参考光学信息与时间标签以及由时间差异增强模块（TDEM）提取的时间变化线索相结合。这些双时相SAR导出的线索明确编码了地表动态的方向和幅度，为朝向目标时间的方向性明确且定量一致的转换提供了基于物理的指导。然后，SAR引导的结构细化模块（SGR-M）利用详细的SAR空间线索来提高重建的目标时相光学图像的结构保真度和光谱一致性，从而即使在光学观测长时间缺失的情况下也能产生可靠的结果。在亚热带农田数据集上的广泛实验表明，TDSAR-DR在极端云层覆盖条件下取得了更好的定性和定量结果，优于当前的SOTA SAR-光学融合模型。TDSAR-DR的PSNR为27.134，SSIM为0.947，超过了其他最先进的方法。更多...

显示更多