-
题名基于双分支条件生成对抗网络的非均匀图像去雾
被引量：3
- 1
-
-
作者
朱利安
张鸿
-
机构
武汉科技大学计算机科学与技术学院
智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)
-
出处
《计算机应用》
CSCD
北大核心
2023年第2期567-574,共8页
-
文摘
雾天拍摄的图片存在颜色失真、细节模糊等问题,会对图片的质量造成一定影响。许多基于深度学习的方法虽然在去除合成的均匀雾霾图片上具有很好的效果,但在最新的NTIRE挑战赛中引入的真实非均匀去雾数据集上效果较差。主要原因是非均匀雾霾的分布较复杂,纹理细节在去雾过程中很容易丢失,并且该数据集的样本数量有限,容易产生过拟合。因此提出了一种双分支生成器的条件生成对抗网络(DB-CGAN)。其中,一条分支以U-net为基础架构,通过“加强-整合-减去”的策略在解码器中加入增强模块,从而增强解码器中特征的恢复,并使用密集特征融合为非相邻层级建立足够的连接。另一分支使用多层残差的结构来加快网络的训练,并串联大量的通道注意力模块,以最大限度地提取更多的高频细节特征。最后,使用一个简单有效的融合子网来融合两个分支。在实验中,所提模型在评价指标峰值信噪比(PSNR)和结构相似性(SSIM)上明显优于先前的暗通道先验(DCP)、一体化去雾网络(AODNet)、门控上下文聚合网络(GCANet)、多尺度增强去雾网络(MSBDN)去雾模型。实验结果表明,所提出的网络能够在非均匀去雾数据集上具有更好的性能。
-
关键词
深度学习
非均匀图像去雾
生成对抗网络
增强U-net
通道注意力
-
Keywords
deep learning
nonhomogeneous image dehazing
Generative Adversarial Network(GAN)
enhanced U-net
channel attention
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于分频特征交互的非均匀雾图清晰化
- 2
-
-
作者
王科平
刘雨欣
杨艺
张高鹏
王田
费树岷
-
机构
河南理工大学电气工程与自动化学院
-
出处
《兵器装备工程学报》
2025年第11期216-226,266,共12页
-
基金
国家自然科学基金项目(61972016)
中国科学院青年创新促进会会员项目(2022410)
陕西省自然科学基础研究计划(2024JC-YBMS-459)。
-
文摘
雾霾的非均匀随机分布是图像去雾面临的主要挑战性之一。在图像中,雾霾覆盖的范围通常呈现白色或灰白色,降低了该区域的图像信息熵,使得信息在频域内向低频区域聚拢。提出了一种基于分频特征交互的非均匀雾图清晰化算法,首先,对图像进行频域转换,实现多级尺寸压缩和高低频分离。其次,在雾霾分布较高的低频分量,利用Transformer注意力关注机制和全局特征提取能力,增强随机雾霾分布和浓度变化的表征。在高频分量,构建深度差分高频特征增强模块,利用图像自身梯度信息引导,增强图像的边缘细节特征。最后,设计特征交互模块,在Transformer提取到的低频雾霾特征权重指导下,对不同位置和浓度的雾图进行自适应复原,同时实现低频特征与高频特征的层级间信息融合。在4个非均匀雾图数据集上的实验结果表明,所提算法在主观和客观评价均取得优异的效果。
-
关键词
非均匀图像去雾
频域分离处理
注意力机制
深度差分卷积
特征交互模块
-
Keywords
non-uniform image dehazing
frequency domain separation
attention mechanism
deep difference convolution
feature interaction module
-
分类号
TP391.41
[自动化与计算机技术]
-
