使用条件生成对抗网络的自然图像增强方法

• 作者: 刘文平 向书成 王超 胡胜红 贾玉福
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 图像增强 生成对抗网络 深度学习 图像质量
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 全国机器学习会议论文专栏
• 页码范围: 88-95
• 页数: 8页
• 分类号: TP391
• 字数: 3701字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2019.03.012

摘要

自然图像增强是计算机视觉领域中的一个研究热点.针对以往图像增强方法计算过程复杂和参数需手工设置等缺陷,提出一种基于条件生成对抗模型的图像增强(enhancement with conditional generative adversarial networks,E-CGAN)方法.分别构建生成式神经网络和判别式神经网络,其中,生成模型直接对图像进行处理生成最终增强的图片结果,判别模型在训练阶段对生成模型构建对抗型损失函数,优化生成模型的参数.在生成模型的结构中,加入L1距离误差函数作为生成模型的约束,并提出连续多尺度跨层连接方式,加快网络的训练速度,提高生成模型的准确率.在图像清晰度增强,灰度图像着色两个图像增强问题上进行实验,结果表明,E-CGAN可以有效地保留图像特征,PSNR和SSIM质量平均提高9％和5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡胜红	湖北经济学院信息与通信工程学院	16	83	5.0	8.0
2	刘文平	湖北经济学院信息管理与统计学院	7	9	2.0	3.0
3	贾玉福	湖北经济学院信息管理与统计学院	18	35	4.0	5.0
4	王超	湖北经济学院信息与通信工程学院	1	0	0.0	0.0
5	向书成	湖北经济学院信息与通信工程学院	1	0	0.0	0.0