时空谱张量分解厚云去除模型

保色优于深度学习

该模型通过张量网络分解挖掘多时相遥感图像的时空谱相关性，实现半盲厚云去除，且色彩保护性能优于现有张量建模和深度学习方法。

郑文杰 · 赵熙乐 · 郑玉棒 · 林劼 · Zhuang, Lina · 黄廷祝

ISPRS Journal of Photogrammetry and Remote Sensing 2023

技术优势

保色能力强

在去除厚云的同时保持图像色彩，避免失真。

性能优于深度学习

在模拟和真实多时相遥感图像上，结果优于其他最先进的张量建模和深度学习方法。

处理效率高

利用张量网络分解有效且高效地探索多时相遥感图像的空间-光谱-时间关系。

算法易复现

代码在GitHub上开源，便于复现和验证。

应用场景

• 遥感图像处理：在预处理阶段去除厚云，恢复被遮挡地表信息，提高后续解译精度。
• 多时相图像分析：利用多时相图像的时间相关性填充云遮挡区域，无需外部辅助数据。
• 环境监测：提供无云连续时序影像，支撑土地覆盖变化和生态参数监测。