基于生成对抗网络的图像去雾算法

作者：黄淑英; 汪斌; 李红霞; 杨勇^*; 胡威

来源：模式识别与人工智能, 2021, 34(11): 990-1003.

DOI：10.16451/j.cnki.issn1003-6059.202111003

• 图像去雾
• 生成对抗网络(GAN)
• 多尺度结构
• 暗通道先验
• 多元联合损失

与基于图像增强的去雾算法和基于物理模型的去雾算法相比,基于深度学习的图像去雾方法在一定程度上提高计算效率,但在场景复杂时仍存在去雾不彻底及颜色扭曲的问题.针对人眼对全局特征和局部特征的感受不同这一特性,文中构建基于生成对抗网络的图像去雾算法.首先设计多尺度结构的生成器网络,分别以全尺寸图像和分割后的图像块作为输入,提取图像的全局轮廓信息和局部细节信息.然后设计一个特征融合模块,融合全局信息和局部信息,通过判别网络判断生成无雾图像的真假.为了使生成的去雾图像更接近对应的真实无雾图像,设计多元联合损失函数,结合暗通道先验损失函数、对抗损失函数、结构相似性损失函数及平滑L1损失函数训练网络.在合成数据集和真实图像上与多种算法进行实验对比,结果表明,文中算法的去雾效果较优.

• 单位
  江西财经大学; 天津工业大学