Закрытие облаками является долгосрочной проблемой в обработке оптических дистанционных изображений, традиционные методы удаления облаков часто не могут полностью восстановить детали скрытых областей, что влияет на качество изображений. Для решения этой проблемы в данной работе предложен метод удаления облаков на основе согласованного мульти-модального объединения признаков (Cloud-Harmonizer), который полноценно использует взаимодополняемость и согласованность между характеристиками объектов, выявляемыми в данных SAR и оптических изображениях, для эффективного восстановления информации в облачных областях. Метод состоит из трех основных модулей: мульти-модульного модуля согласованности признаков (Multi-modal Feature Consistency Module, MFCM) для выравнивания оптических и SAR признаков и захвата/генерации различий в области облаков; модуля компенсации с ограничениями согласованности (Consistency-Constrained Compensation Module, CCCM), который направляет компенсацию оптических признаков с помощью SAR на основе выявленных различий; и модуля мульти-модального совместного адаптивного слияния (Multi-modal Collaborative Adaptive Fusion Module, MCAF), который посредством адаптивной стратегии слияния дополнительно интегрирует признаки обеих модальностей, улучшая общий результат восстановления. Эксперименты на датасете SEN12MS-CR показали превосходные результаты с показателями PSNR 30.0408, SSIM 0.9004 и SAM 7.6068, что лучше современных методов. Результаты демонстрируют, что предложенный метод обладает сильным потенциалом для удаления облаков и восстановления признаков, предоставляя полезное руководство для развития мульти-модального слияния данных дистанционного зондирования и технологий удаления облаков.

Удаление облаков с дистанционных изображений; мульти-модальное слияние данных; согласованность мульти-модальных признаков