SAR to Optical Image Translation with Color Supervised Diffusion Model

合成孔径雷达（SAR）提供全天候、高分辨率成像能力，但其复杂的成像机制经常会对解释造成困难。针对这些限制，本文介绍了一种创新的生成模型，旨在将SAR图像转换为更易理解的光学图像，从而增强SAR图像的可解释性。具体而言，我们的模型主干基于最近的扩散模型，具有强大的生成能力。我们在采样过程中使用SAR图像作为条件指导，并集成颜色监督来有效对抗颜色偏移问题。我们在SEN12数据集上进行了实验，并采用峰值信噪比、结构相似度和Fréchet Inception Distance进行定量评估。结果表明，我们的模型不仅在定量评估方面超越了先前的方法，而且显著提高了生成图像的视觉质量。

本论文旨在解决合成孔径雷达（SAR）图像的解释困难问题，提出了一种基于扩散模型的生成模型，将SAR图像转换为更易理解的光学图像。

本文的关键思路是使用SAR图像作为条件指导生成过程，并结合颜色监督以有效解决色偏问题。

本文采用了最新的扩散模型作为模型骨干，并在SEN12数据集上进行了实验。实验结果表明，该模型不仅在定量评估方面优于先前的方法，而且显著提高了生成图像的视觉质量。

最近的相关研究包括《SAR图像转光学图像的生成对抗网络》、《基于深度学习的SAR图像去噪方法》等。