-
题名基于改进循环生成式对抗网络的图像去雾方法
被引量：4
- 1
-
-
作者
黄山
贾俊
-
机构
四川大学电气工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第12期218-223,231,共7页
-
基金
教育部产学合作协同育人项目(202002109040)。
-
文摘
针对现有图像去雾方法存在的颜色失真、细节丢失以及去雾效果不自然等问题,提出一种改进的循环生成式对抗网络用于图像去雾。通过添加多尺度鉴别器作为判别器来改进原始网络结构,增强判别能力,引导网络产生更精细自然的无雾图像。同时重新设计损失函数,使用最小二乘代替交叉熵作为对抗损失,引入循环感知损失,结合原始循环一致性损失组成新的复合损失函数,提高图像颜色与细节恢复的质量。在D-HAZY和SOTS数据集上的实验结果表明:该方法能够生成较为自然的无雾图像,其主观效果和客观指标均优于对比方法,具有更好的去雾能力;与原始循环生成式对抗网络相比,峰值信噪比从19.052 dB提高至23.128 dB,结构相似性指数从0.787提高至0.867。与DehazeNet、AOD-Net与GCANet等主流去雾方法相比,峰值信噪比和结构相似性指数比排名第二的方法分别提升7.1%和4.3%。
-
关键词
图像去雾
循环生成式对抗网络
多尺度鉴别器
对抗损失
循环感知损失
-
Keywords
image defogging
Cycle-consistent Adversarial Network(CycleGAN)
multi-scale discriminator
adversarial loss
cyclic perceptual loss
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
