Thermo-CR：通过热力学大气建模与多源数据融合实现基于物理原理的实时云影去除技术

《Scientific Reports》：Thermo-CR: real-time physics-based cloud shadow removal via thermodynamic atmospheric modelling and multi-source fusion

　　

摘要

星载光学传感器能够实现持续的地球观测，但大气干扰仍然限制了其实际应用可靠性。平均而言，云层覆盖了地球表面的67%。这种持续存在的云层覆盖会影响到精准农业、灾害监测以及各类物联网系统所依赖的数据连续性。近年来，一些深度生成模型能够生成视觉效果良好的无云图像。然而，当面对云层厚度超过50%的情况时，这些模型往往会生成错误的图像结构，它们只是基于统计推测来生成图像，而非真实反映地面的反射情况。对于那些至关重要的遥感应用而言，可预测的故障比无法检测到的错误结果更为安全。本文介绍了一种名为Thermo-Cloud Removal（Thermo-CR）的实时去云技术框架。该框架结合了辐射传输反演、基于天气条件的传输率估算、地理先验信息以及多尺度融合技术，无需借助合成孔径雷达即可恢复光学图像。Thermo-CR将多云的大气视为一种热力学介质，通过Open-Meteo REST API获取实时的气象数据，如相对湿度和温度，进而计算光深度，并对辐射传输模型进行确定性反演。纯粹的反演模型在极端遮蔽情况下会放大噪声。为避免这一问题，我们采用了以全球定位系统为基准的多尺度融合技术，并结合晴空条件下的时间先验信息。我们在包含不同地形环境的合成遮蔽数据集上对Thermo-CR进行了测试，测试地点包括亚马逊、伦敦和西雅图。在该系统中，当云层覆盖度达到90%时，其性能仍能保持稳定，且不会产生结构上的错误。该系统每帧的处理时间不到13毫秒，平均结构相似性指数为0.9925，峰值信噪比为55.94分贝，性能优于传统的暗通道处理方法。