-
题名基于改进CycleGAN的水上图像去雾算法
- 1
-
-
作者
黄超
胡勤友
黄子硕
-
机构
上海海事大学商船学院
-
出处
《上海海事大学学报》
北大核心
2025年第1期17-22,111,共7页
-
基金
国家自然科学基金(52372316)。
-
文摘
雾会使水上拍摄的图像质量下降,导致基于视觉的船舶智能感知系统和水域监控系统受到影响;收集水面上的有雾图像和无雾图像难度较大。针对上述问题,提出一种基于改进循环生成对抗网络(cycle-consistent generative adversarial network,CycleGAN)的水上图像去雾算法。将CycleGAN的生成器模块替换为改进后的门控上下文聚合网络(gated context aggregation network,GCANet),同时使用感知损失从高级语义角度约束图像的生成质量。实验表明:在合成数据集上,所提算法的峰值信噪比和结构相似度分别为25.26和0.9047,相较于对比算法分别提高了13.6%~41.2%和10.9%~17.9%,并在水上真实数据集上展示出了更优的清晰度和色彩真实性。
-
关键词
图像去雾
循环生成对抗网络(CycleGAN)
门控上下文聚合网络(gcanet)
感知损失
-
Keywords
image dehazing
cycle-consistent generative adversarial network(CycleGAN)
gated context aggregation network(gcanet)
perceptual loss
-
分类号
U675.79
[交通运输工程—船舶及航道工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
