Aufgrund der Unfähigkeit, die Unterschiede zwischen den Wolken und dem Hintergrund genau zu verarbeiten, wenn optische Bilddaten mit synthetischen Apertur-Radarbildern (SAR) fusioniert werden, wird in diesem Artikel ein Netzwerk zur Beseitigung von Wolken auf der Grundlage einer zweigeteilten Struktur von SAR-Bildern und optischen Bildern vorgestellt. In der Merkmalsextraktionsphase wird ein mehrskaliger Aufmerksamkeitsmechanismus eingeführt, der Informationen auf globaler und lokaler Ebene in einem Bild effektiv erfasst und eine repräsentativere Informationsdarstellung für die spätere Fusionierung und Wolkenbeseitigung bereitstellt. Die lokale Fusionsstruktur und die Differenzierungszweigstruktur werden neu gestaltet und durch einen Tor-Mechanismus dynamisch ausgeglichen, der ihren Beitrag voll ausnutzt und die Ränder der Wolken im optischen Bild weiter verfeinert, um ein präziseres wolkenfreies optisches Bild wiederherzustellen. Unter Verwendung des Swin Transformers, der durch eine Positionsperzeption verstärkt wird, werden lokale Merkmale dicht verbunden, was das Netzwerkmodell in komplexen Umgebungen robuster macht. Das vorgeschlagene Modell zeigt eine Erhöhung des Peak-Signal-Rausch-Verhältnisses (PSNR) und des strukturellen Ähnlichkeitsindex (SSIM) im Vergleich zum aktuellen Algorithmus von jeweils 0,833 1 dB und 0,024 6. Dies beweist, dass der in diesem Artikel vorgeschlagene Algorithmus eine bessere Leistung bei der Aufgaben der Wolkenentfernung in Bildern im Vergleich zu anderen Methoden aufweist.

Fernbilder; synthetische Apertur-Radarbilder; optische Bilder; multimodal; Datenfusion; Wolkenentfernung