합성 개구 레이더(SAR) 영상과 광학 영상 데이터를 융합하여 구름 제거 과정에서 구름과 배경 간 차이를 정확히 처리하지 못하는 문제를 해결하기 위해, 본 논문에서는 SAR 영상과 광학 원격 탐사 영상을 결합한 이중 분기 구조 기반 구름 제거 네트워크를 제안한다. 특징 추출 단계에서 다중 스케일 주의 메커니즘을 도입하여 영상의 전역 및 국부 정보를 효과적으로 포착하고, 후속 융합 및 구름 제거 작업을 위한 더욱 대표성 있는 특징 표현을 제공한다. 지역 융합 분기와 차분 분기의 병렬 구조를 재설계하고 게이트 메커니즘을 통해 두 분기의 기여도를 동적으로 균형 있게 조절하여 상호 보완성을 충분히 활용하며, 광학 구름 영상 내 구름 가장자리를 더욱 세밀하게 다듬어 보다 정교한 무구름 광학 영상을 복원한다. 위치 인식 강화된 Swin Transformer를 사용하여 지역 특징을 밀접하게 연결해 복잡한 환경에서 네트워크 모델의 강인성을 향상시킨다. 제안 모델의 피크 신호 대 잡음비(PSNR)와 구조 유사도 지수(SSIM)는 현재 최적 알고리즘에 비해 각각 0.8331dB와 0.0246만큼 높다. 본 논문 알고리즘이 이미지 구름 제거 작업에서 다른 방법에 비해 우수한 성능을 가짐을 입증한다.

원격 탐사 영상;합성 개구 레이더 영상;광학 영상;다중 모달;데이터 융합;구름 제거