Clouds Determine Diffusion: A Cloud-Deterministic Diffusion Model for Progressive Cloud Removal in Optical Remote Sensing Images

Yujun Guo

doi:10.1109/tgrs.2026.3725050

Clouds Determine Diffusion: A Cloud-Deterministic Diffusion Model for Progressive Cloud Removal in Optical Remote Sensing Images

2026-08-18

0

PRE

AI

DOI：10.1109/tgrs.2026.3725050

原文链接

原文求助

摘要

En 中文

云去除是预处理受自然云污染影响的光学遥感图像的关键步骤，而自然云污染具有高度多样性和可变性。不同厚度的云层往往同时出现，这些云层之间的边界模糊且难以定量定义。因此，先进的深度学习（DL）技术，特别是扩散模型，已被用于解决复杂的云污染问题。它们主要关注条件生成和标准高斯噪声扩散。然而，这种范式未能完全捕捉自然云污染的固有多样性、复杂性和可变性，也不符合从严重到轻微状态的重构过程，导致在实际场景中的泛化能力有限。为了克服这些局限性，我们提出了云确定性扩散和渐进式云去除（CDPCR）模型。它引入了一种新的扩散范式，其中云污染是唯一的正向退化源。这使得模型能够精确模拟真实世界云污染的形态和动态演化，从而增强网络在训练阶段对多样化云影响模式和持续变化强度的暴露。在推理阶段，增强的采样器迭代应用重建网络和云确定性扩散算子，逐步逆转云退化，同时有效保留残留细节。借助动态云驱动的转换和迭代更新，CDPCR能够稳健地处理异构的真实世界云污染，并为光学时间序列实现更真实和高效的序列到序列（S2S）重建。关键在于，它无需外部云掩模即可运行，同时减轻了对干净时间数据的强依赖。在多个数据集上的广泛实验验证了所提出方法的优越性和鲁棒性。

Keyword:

Cloud contamination

cloud removal

diffusion model

image reconstruction

iterative sampling

Clouds Determine Diffusion: A Cloud-Deterministic Diffusion Model for Progressive Cloud Removal in Optical Remote Sensing Images

摘要

期刊

机构

引用论文