基于级联生成对抗网络的遥感图像去雾方法

• 作者: 孙潇 徐金东
• 来源期刊: 计算机应用
• 关键词: 生成对抗网络 视觉注意 遥感图像 去雾
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 第八届CCF大数据学术会议|CCF Bigdata 2020
• 页码范围: 2440-2444
• 页数: 5页
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020101563

摘要

针对图像训练对的去雾算法难以应对遥感图像中训练样本对不足,且模型泛化的问题,提出一种基于级联生成对抗网络(GAN)的遥感图像去雾方法.为解决成对遥感数据集的缺失,提出了学习雾生成的U-Net GAN(UGAN)和学习去雾的像素注意GAN(PAGAN).所提方法通过UGAN学习如何使用未配对的清晰遥感图像和带雾遥感图像集在保留遥感图像细节的同时对无雾图像进行加雾处理,然后引导PAGAN学习如何正确地对此类图像进行去雾.为了减少生成的带雾遥感图像和去雾后遥感图像之间的差异,在PAGAN中加入自我注意机制,用生成器从低分辨率图像中所有位置的细节线索生成高分辨率细节特征,用判别器检查图像远端部分的细节特征是否彼此一致.与特征融合注意网络(FFANet)、门控上下文聚合网络(GCANet)和暗通道先验(DCP)等去雾方法相比,级联GAN方法无需大量成对数据来反复训练网络.实验结果表明该方法能够有效地去除雾和薄云,在目视效果和定量指标上均优于对比方法.