基于通道注意力与条件生成对抗网络的图像去雾

作者：赵茂军^*; 郭凰; 白俊峰; 廖聪

来源：计算机系统应用, 2022, 31(11): 167-174.

DOI：10.15888/j.cnki.csa.008804

• 图像去雾
• 条件生成对抗网络
• 注意力机制
• 多尺度特征
• 深度学习

针对当前去雾方法存在雾残留、颜色失真等问题,结合生成对抗网络在图像超分辨率重建的优势,提出基于通道注意力与条件生成对抗网络图像去雾算法(CGAN-ECA).网络基于编码-解码结构,生成器设计多尺度残差模块(multi-scale residual block, MRBlk)和高效通道注意力模块(efficient channel attention, ECA)扩大感受野,提取多尺度特征,动态调整不同通道权重,提高特征利用率.使用马尔可夫判别器分块评价图像,提高图像判别准确率.损失函数增加内容损失,减少去雾图像的像素和特征级损失,保留图像更多的细节信息,实现高质量的图像去雾.在公开数据集RESIDE实验结果表明,提出的模型相比于DCP、AOD-Net、DehazeNet和GCANet方法峰值信噪比和结构相似性分别平均提高36.36%, 8.80%,改善了颜色失真和去雾不彻底的现象,是一种有效的图像去雾算法.