（1）赛道背景

光学影像因其成像机制存在易受云层遮挡导致地面部分信息缺失的问题，严重影响了影像的判读与解译工作。无论是对农作物长时序物候观测，还是对突发自然灾害短时间预警，云遮挡的影像都将影响监测的准确性与及时性。SAR具有全天时、全天候的工作能力，能够有效穿透云层。因此，借助SAR影像进行光学遥感影像云区重建的方法受到广泛关注。本赛道希望遴选出高效的光学SAR融合去云算法模型，对光学影像中的云遮掩区域进行高保真修复，充分挖掘跨频异构影像互补优势。

（2）赛道任务

光学SAR融合去云赛道力求通过借助临近时相SAR影像，对受云层遮掩的光学影像进行修复。选手使用主办方提供的同一区域的无云影像-含云影像-SAR影像对进行光学SAR融合去云处理，主办方依据评分标准对结果进行综合评价。依据所述影像修复标准，设计赛题如下：

a. 初赛：算法在光学影像缺失区域的高保真复原能力。

b. 复赛：算法在光学影像缺失区域的高保真复原能力。进阶考察算法在困难场景的适应性。

c. 决赛：算法在光学影像缺失区域的高保真复原能力。进阶考察现场答辩评议，模型复杂度及效率。

（3）数据简介

规模：46400对光学SAR融合去云遥感影像样本数据(按256*256大小折算)；

用途：光学遥感影像质量改善；超大规模遥感数据生成及样本增强。

（4）数据说明

a. 光学影像（opt_clear和opt_cloudy）格式为png，由多光谱光学影像中红绿蓝3波段组成，8位存储;

b. SAR影像（SAR）格式为png, 8位存储;

c. 初赛、复赛、决赛的训练集、测试集影像尺寸均为256*256像素;

d. 参赛者不得在未获得主办方许可前使用该数据集发表相应的研究成果。

（5）提交要求

初赛

提交.zip格式压缩包，可解压缩出results文件夹，results文件夹中为test_image文件的测试结果。

复赛

和初赛一致。

（6）提交示例

results.zip

——results

————patch_opt_clear_name.png

————......

（7）评测标准

score =（SSIM+CC）/2

SSIM: 结构相似性指标（structural similarity index）

CC:相关系数（correlation coefficient）