基于生成式对抗网络的道路交通模糊图像增强

• 作者: 曹锦纲 李金华 郑顾平
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 图像增强 道路交通 运动模糊 多尺度 多权重 残差网络 神经网络 生成式对抗网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 智能系统
• 页码范围: 491-498
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.201903041

摘要

为了提高道路交通模糊图像增强的质量,进一步促进道路交通管理,针对道路交通场景下的运动模糊图像增强问题,提出了一种基于生成式对抗网络的多尺度多路径学习的模型.首先,选用具有多尺度卷积核的神经网络,对输入的图像进行更细致地特征值提取;其次,将局部残差学习和全局残差学习相结合,采用多路径多权重共享的递归学习,并利用判别网络和生成网络间的对抗训练优化网络参数;最后,实现端到端直接生成图像.实验结果表明:提出的模型可以有效地增强道路交通场景下的运动模糊图像,生成的图像细节更加丰富,具有较好的图像视觉效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹锦纲		15	18	3.0	3.0
2	郑顾平		41	190	6.0	12.0
3	李金华		2	0	0.0	0.0