In diesem Artikel wird ein Netzwerk zur Wolkenentfernung vorgeschlagen, das SAR-Bilder (Synthetic Aperture Radar) mit optischen Bildern im Datenfusionsprozess kombiniert, der Unterschiede zwischen Wolken und Hintergrund nicht präzise verarbeiten kann. Im Merkmalsextraktionsschritt wird ein mehrskaliger Aufmerksamkeitsmechanismus eingeführt, der global und lokale Informationen im Bild effektiv erfasst und eine repräsentativere Darstellung der Merkmalinformationen für die spätere Fusion und Wolkenentfernung liefert. Die lokalen Fusionszweige und der parallele Differenzzweig wurden neu gestaltet, ein dynamisches Gleichgewicht zwischen beiden wurde durch einen Gate-Mechanismus erreicht, der ihren Beitrag vollständig nutzt und den Umriss der Wolken im optischen Bild weiter präzisiert, um ein genaueres wolkenfreies optisches Bild wiederherzustellen. Der verbesserte ortsaware Swin Transformer verbindet lokal dichte Merkmale und verleiht dem Netzwerkmodell eine bessere Robustheit in komplexen Umgebungen. Der vorgeschlagene Algorithmus übertrifft andere Algorithmen bei der Wolkenentfernungs-aufgabe auf Bildern hinsichtlich des Peak-Signal-Rausch-Verhältnisses (PSNR) und des strukturellen Ähnlichkeitsindex (SSIM) um 0,833 1 dB bzw. 0,024 6. Der in diesem Artikel vorgeschlagene Algorithmus zeigte in der Aufgabe der Wolkenentfernung auf Bildern eine überlegene Leistung im Vergleich zu anderen Algorithmen.

Radarbild; optisches Bild; Multimodalität; Datenfusion; Wolkenentfernung