结合FC-DenseNet和WGAN的图像去雾算法

TP391; 针对现有图像去雾算法严重依赖中间量准确估计的问题,提出了一种基于Wasserstein生成对抗网络(WGAN)的端到端图像去雾模型.首先,使用全卷积密集块网络(FC-DenseNet)充分学习图像中雾的特征;其次,采用残差学习思想直接从退化图像中学习到清晰图像的特征,实现端到端的去雾;最后,使用均方误差和感知结构误差函数作为模型的损失函数,以确保生成图像结构和内容的相似度,并使用WGAN对生成结果细致优化,生成清晰逼真的无雾图像.实验结果表明,在合成雾天数据集上,该算法在结构相似度上比其他对比算法提高了4％;在自然雾天图像上,由该算法恢复的图像具有较高的清晰度和对比度,在主观评价...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 14; no. 8; pp. 1380 - 1388
Main Authors 孙斌, 雎青青, 桑庆兵
Format Journal Article
LanguageChinese
Published 江南大学 物联网工程学院,江苏 无锡 214122 01.08.2020
Subjects
图像去雾
Wasserstein生成对抗网络(WGAN)
全卷积密集块网络(FC-DenseNet)
残差学习
Online AccessGet full text

Cover

More Information
Summary:TP391; 针对现有图像去雾算法严重依赖中间量准确估计的问题,提出了一种基于Wasserstein生成对抗网络(WGAN)的端到端图像去雾模型.首先,使用全卷积密集块网络(FC-DenseNet)充分学习图像中雾的特征;其次,采用残差学习思想直接从退化图像中学习到清晰图像的特征,实现端到端的去雾;最后,使用均方误差和感知结构误差函数作为模型的损失函数,以确保生成图像结构和内容的相似度,并使用WGAN对生成结果细致优化,生成清晰逼真的无雾图像.实验结果表明,在合成雾天数据集上,该算法在结构相似度上比其他对比算法提高了4％;在自然雾天图像上,由该算法恢复的图像具有较高的清晰度和对比度,在主观评价上优于其他对比算法.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1905044