基于生成对抗网络的无人机图像去模糊方法

论文摘要

提出一种基于加权感知损失的生成对抗网络(GAN)用于无人机图像去模糊。实验中采用具有跳跃连接结构的网络作为生成器,并对生成器使用加权感知损失进行约束,在生成器和判别器进行对抗式训练过程中,生成器不断学习并优化模糊图像到对应清晰图像的映射函数。另外,由于PSNR、SSIM图像质量客观评价指标的局限性,提出使用感知损失作为监控网络优化过程和模型选择的评价指标,最后使用感知损失选择的生成器模型对模糊图像进行盲去模糊。实验表明,该方法可快速有效地恢复出细节清晰的图像。

论文目录

• 1 实现方法
•   1.1 生成对抗网络
•   1.2 目标函数构建
•   1.3 网络架构
•     1.3.1 生成器
•     1.3.2 判别器
•   1.4 对抗式训练过程
•   1.5 模型选择
• 2 实验及对比分析
•   2.1 数据准备
•   2.2 网络训练
•   2.3 实验结果
• 3 结语

文章来源

类型: 期刊论文

作者: 裴慧坤,颜源,林国安,江万寿

关键词: 图像盲去模糊,感知损失,生成对抗网络,卷积神经网络

来源: 地理空间信息 2019年12期

年度: 2019

分类: 基础科学,信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 深圳供电局有限公司,武汉大学测绘遥感信息工程国家重点实验室

基金: 南方电网重点科技项目(090000KK52160017)

分类号: TP391.41;TP183

页码: 4-9+155

总页数: 7

文件大小: 2888K

下载量: 340