结合FC-DenseNet和WGAN的图像去雾算法

• 作者: 孙斌 桑庆兵 雎青青
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图形图像
• 页码范围: 1380-1388
• 页数: 9页
• 分类号: TP391
• 字数: 6647字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1905044

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桑庆兵	江南大学物联网工程学院	50	566	9.0	23.0
2	孙斌	江南大学物联网工程学院	12	44	5.0	6.0
3	雎青青	江南大学物联网工程学院	2	7	1.0	2.0