金 兴，唐 娉，赵理君

(1.中国科学院空天信息创新研究院，北京 100094；2.中国科学院大学 电子电气与通信工程学院，北京 100049)

0 引言

随着遥感数据的快速增长，遥感图像时间序列分析渐成趋势，但因卫星成像特点，高空间分辨率遥感图像难以获得不同区域时相间隔一致的遥感图像序列，因此，如何用图像处理的方法补全所需时相图像，以便用统一的方法分析遥感图像时间序列成为亟待解决的问题。

当所需时相缺失时，2种思路最为直接，一种是将别的时相的数据直接转换为所需时相，对应的方法也被称为色彩迁移的方法；另一种是用一组时相序列预测的方法。这2种思路各有优缺点，色彩迁移方法需要的条件比较简单，只需要2个时相的数据去学习映射的关系，但该方法假设了2个时相之间没有地物发生变化，只有光谱的变化，这与实际情况不完全符合。而时序预测的方法则需要多个时相的数据才可执行，但它可以对地物的变化进行建模与预测，缺点是数据条件要求较高。

基于影像色彩迁移的典型方法是生成对抗网络(GAN)中用于进行影像双向变换的CycleGAN，它是一种无监督学习的生成对抗网络方法，该网络中通过计算变换后影像(源域A到目标域B的变换)与重建影像(目标域B到源域A的变换)的循环一致性损失来约束影像的变换[1]。该方法主要用于2个不同时相影像的变换，如文物图像的修复与保护[2]、不同时段、季节、光照条件下拍摄照片的艺术风格转换[3]、地物信息提取[4]以及室内火焰图像场景的迁移[5]。……