IDF-CR: Iterative Diffusion Process for Divide-and-Conquer Cloud Removal in Remote-sensing Images

云计算 计算机科学 像素 遥感 迭代和增量开发 人工智能 噪音(视频) 算法 计算机视觉 图像(数学) 地理 软件工程 操作系统
作者
Meilin Wang,Yu Song,Pengxu Wei,Xiaoyu Xian,Yukai Shi,Liang Lin
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:: 1-1
标识
DOI:10.1109/tgrs.2024.3378720
摘要

Deep learning technologies have demonstrated their effectiveness in removing cloud cover from optical remote-sensing images. Convolutional Neural Networks (CNNs) exert dominance in the cloud removal tasks. However, constrained by the inherent limitations of convolutional operations, CNNs can address only a modest fraction of cloud occlusion. In recent years, diffusion models have achieved state-of-the-art (SOTA) proficiency in image generation and reconstruction due to their formidable generative capabilities. Inspired by the rapid development of diffusion models, we first present an iterative diffusion process for cloud removal (IDF-CR), which exhibits a strong generative capabilities to achieve component divide-and-conquer cloud removal. IDF-CR consists of a pixel space cloud removal module (Pixel-CR) and a latent space iterative noise diffusion network (IND). Specifically, IDF-CR is divided into two-stage models that address pixel space and latent space. The two-stage model facilitates a strategic transition from preliminary cloud reduction to meticulous detail refinement. In the pixel space stage, Pixel-CR initiates the processing of cloudy images, yielding a suboptimal cloud removal prior to providing the diffusion model with prior cloud removal knowledge. In the latent space stage, the diffusion model transforms low-quality cloud removal into high-quality clean output. We refine the Stable Diffusion by implementing ControlNet. In addition, an unsupervised iterative noise refinement (INR) module is introduced for diffusion model to optimize the distribution of the predicted noise, thereby enhancing advanced detail recovery. Our model performs best with other SOTA methods, including image reconstruction and optical remote-sensing cloud removal on the optical remote-sensing datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
研友_8KXkJL完成签到 ,获得积分10
1秒前
Aixia完成签到 ,获得积分10
2秒前
LuciusHe完成签到,获得积分10
4秒前
chichenglin完成签到 ,获得积分10
8秒前
kais完成签到 ,获得积分10
22秒前
谦让月饼完成签到 ,获得积分10
26秒前
zmx完成签到 ,获得积分10
29秒前
每天学习一点点完成签到 ,获得积分10
29秒前
lyp完成签到 ,获得积分10
31秒前
yugongjie完成签到 ,获得积分10
32秒前
满意的雪枫完成签到 ,获得积分10
34秒前
科研通AI2S应助李冲肖采纳,获得10
43秒前
感动尔柳完成签到 ,获得积分20
46秒前
isedu完成签到,获得积分10
46秒前
LT完成签到 ,获得积分10
47秒前
小二郎应助科研通管家采纳,获得10
51秒前
勤恳的TT完成签到 ,获得积分10
53秒前
lizef完成签到 ,获得积分10
56秒前
小粒橙完成签到 ,获得积分10
1分钟前
乐正怡完成签到 ,获得积分0
1分钟前
yue完成签到,获得积分10
1分钟前
幽默大象完成签到 ,获得积分10
1分钟前
krathhong完成签到 ,获得积分10
1分钟前
粗犷的芝完成签到 ,获得积分20
1分钟前
marceloclaro完成签到,获得积分10
1分钟前
Jessica英语好完成签到 ,获得积分10
1分钟前
loren313完成签到,获得积分0
1分钟前
小小果妈完成签到 ,获得积分10
1分钟前
q1010611084完成签到 ,获得积分10
1分钟前
黄花完成签到 ,获得积分10
1分钟前
纯真的梦竹完成签到,获得积分10
2分钟前
kuyi完成签到 ,获得积分10
2分钟前
e746700020完成签到,获得积分10
2分钟前
fogsea完成签到,获得积分0
2分钟前
是我不得开心妍完成签到 ,获得积分10
2分钟前
Kair完成签到 ,获得积分10
2分钟前
虚幻元风完成签到 ,获得积分10
2分钟前
Hank完成签到 ,获得积分10
2分钟前
崔宁宁完成签到 ,获得积分10
2分钟前
开心夏旋完成签到 ,获得积分10
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709863
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921