论文摘要
为了提高雾霾条件下拍摄到的模糊图像的质量,提出了一种基于生成对抗学习思想的卷积神经网络去雾算法.该卷积网络在生成模型部分将介质透射率和大气光值嵌入一个变量,进行了联合优化,避免了分离优化影响整体去雾性能的缺陷;在对抗模型部分,将生成模型部分的输出清晰图和真实的清晰图进行对比,从而判别生成的输出清晰图是否足够真实.为了生成更加逼真的清晰图像,引入了一种新的损失函数来优化网络参数,该损失函数同时纳入了图像的L2损失和双向梯度损失、特征损失和判别器损失,从4个方面来保证去雾性能的良好表现.除此之外,在训练网络的过程中,使用了真实图像和合成有雾图像同时作为数据集,其中的合成图像在合成过程中采用引导滤波算法,这样可以使得合成的有雾图像更加接近于自然情况.最后,引入了更多的评价指标验证了所提方法.基于不同方法的实验数据和实验结果证明了本文方法在已有方法上的提升.
论文目录
文章来源
类型: 期刊论文
作者: 陈玮,李正旺,尹钟
关键词: 图像去雾,生成对抗学习,联合优化,卷积神经网络,暗通道先验
来源: 信息与控制 2019年06期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 上海理工大学光电学院
基金: 国家自然科学青年基金资助项目(61703277)
分类号: TP391.41
DOI: 10.13976/j.cnki.xk.2019.9078
页码: 707-714+722
总页数: 9
文件大小: 2622K
下载量: 782