科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高影像阴影去除的效果，提出了一种基于最小噪声分离（MNF）和生成对抗网络（GAN）的影像阴影去除算法。它以生成对抗网络作为基本框架，生成网络采用编码解码结构，判别网络采用马尔科夫判别器的结构，并在生成器和判别器中分别引入了条件信息，采用端到端共同学习的多任务模式。此外，此方法使用MNF，将消除噪声的影像灰度化之后与阴影影像训练，进而恢复无阴影的影像。这样的网络在训练时可以专注于MNF变换后的单独特征嵌入，而非传统的跨任务共享嵌入。实验测试表明，在指定数据集上所提算法的结构相似性（SSIM）的平均值达到了0.9780，像素均方根误差（RMSE）的平均值减小到9.8717。在主观感知和客观评价指标上，所提算法的实验结果均优于对比算法。
- 单位
