一种基于隐变量解耦的半循环无监督去云方法

本发明提供一种基于隐变量解耦的半循环无监督去云方法，包括以下步骤：步骤S1：建立基础无监督训练架构；步骤S2：设计非配对对抗解耦策略（UAD）；步骤S3：引入成对半循环重构分支，通过隐变层级和图像层级的约束保证内容真实性；步骤S4：建立全季节覆盖、多难度等级的CSRD‑CR基准数据集；步骤S5：构建完整的半循环无监督去云网络。加载CSRD‑CR自建数据集及其他公开数据集，并利用损失约束优化网络，最终输出去云结果。结合无监督学习框架ULFD、非配对对抗解耦策略UAD和成对半循环重构分支，突破了现有去云技术云层与地表信息耦合导致的去云效果差的局限，显著提升了去云图像质量，尤其在复杂场景和多季节性变化下表现出更强的鲁棒性。