基于Msmall-Patch训练的夜晚单幅图像去雾算法——MP-CGAN

• 作者: 王云飞 王园宇
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 暗通道先验 夜间图像去雾 条件生成对抗网络 感知损失 对抗感知损失
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 865-871
• 页数: 7页
• 分类号: TP391.4
• 字数: 5072字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019071219

摘要

针对基于暗通道先验(DCP)与大气散射模型方法实现夜晚图像去雾出现颜色失真及噪声等问题,提出一种基于Msmall-Patch训练的条件生成对抗网络(CGAN)去雾算法MP-CGAN.首先,将UNet与密集神经网络(DenseNet)网络结合成UDNet网络作为生成器网络结构;其次,对生成器与鉴别器网络使用Msmall-Patch训练,即通过对鉴别器最后Patch部分采取Min-Pool或Max-Pool方式提取多个小惩罚区域,这些区域对应退化严重或容易被误判的区域,与之对应提出重度惩罚损失,即在鉴别器输出中选取数个最大损失值作为损失;最后,将重度惩罚损失、感知损失与对抗感知损失组合成新的复合损失函数.在测试集上,与雾密度图预测算法(HDP-Net)相比,所提算法的峰值信噪比(PSNR)与结构相似性(SSIM)值分别提升了59％与37％;与超像素算法比,PSNR与SSIM值分别提升了59％与48％.实验结果表明,所提算法能够减少CGAN训练过程产生的噪声伪影,提高了夜晚图像去雾质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王园宇	太原理工大学信息与计算机学院	10	38	3.0	6.0
2	王云飞	太原理工大学信息与计算机学院	3	3	1.0	1.0