合成開口レーダー（SAR）画像と光学画像データを組み合わせた雲除去プロセスにおいて、雲と背景の違いを正確に処理できない問題に対処するため、本論文ではSAR画像と光学リモートセンシング画像を組み合わせたクラウドリムーバーネットワークを提案しています。特徴抽出段階では、マルチスケールの注意機構を導入し、画像のグローバルおよびローカル情報を効果的に捉え、後続の融合およびクラウド除去操作により代表的な特徴情報を提供します。局所的な融合ブランチと差分ブランチの並列構造を再設計し、ゲート制御メカニズムを介して両者の貢献を動的にバランスさせ、両者の補完性を十分に引き出し、光学クラウド画像の雲のエッジをより細かく再現して、より細かいクラウドの除去画像を復元します。位置認識強化型のSwin Transformerを使用して局所特徴を密に接続し、ネットワークモデルが複雑な環境に対応してより優れた頑健性を持つようにします。提案されたモデルのピーク信号対雑音比（PSNR）および構造類似性指数（SSIM）は、現在の最適なアルゴリズムよりそれぞれ0.8331 dBおよび0.0246高いことが証明されています。本論文のアルゴリズムは他の手法に比べて画像のクラウドリムーブタスクでより優れた性能を持っています。

リモートセンシング画像;合成開口レーダー画像;光学画像;マルチモーダル;データ融合;クラウド除去