.png){kind=icon}
返回
WaveDiffDecloud: Wavelet-domain conditional diffusion model for efficient cloud removal
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cageo.2026.106121.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出WaveDiffDecloud，一种基于小波的条件扩散模型，用于高效去云，结合了扩散模型的生成能力与小波变换以降低计算成本。
• 引入StruTex-HFR模块，并配以物理感知损失函数，在RICE数据集上实现了最佳的SSIM和LPIPS分数，确保高频结构与纹理细节的精确重建。
• 在NUAA-CR4L8/9多光谱基准上的实验结果表明，我们的方法在可见光到热红外波段间表现出卓越的鲁棒性和光谱一致性。
• 我们的方法相较于小波域扩散基准，PSNR提升了4.22 dB，推理速度为1.35 s，平衡了高保真重建与实用效率。
期刊
C
IF:
4.4
论文数:
117
被引数:
10
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Ship Collision Avoidance Navigation Signal Recognition via Vision Sensing and Machine Forecasting
PREAI
分享收藏CloudRuler: Rule-based transformer for cloud removal in Landsat imagesCloudRuler：基于规则的转换器，用于Landsat图像云去除
PREAI
分享收藏Super-Resolution Reconstruction of Weak Targets on Water Surfaces: A Generative Adversarial Network Approach Based on Implicit Neural RepresentationBi, Q.L.; Lin, Z.Q.; Chen, B.R.; Lai, M.L.; Guo, Y.Y.; Lv, Y.J.; Tang, Y.L.; Huang, C.X. 水面弱目标超分辨率重建：一种基于隐式神经表示的生成对抗网络方法. Trait. Signal 2023, 40, 2701. [Google Scholar] [CrossRef]
PREAI
分享收藏
查看更多内容