基于双判别器加权生成对抗网络的图像去模糊方法

• 作者: 黄梦涛 高娜 刘宝
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 生成对抗网络 加权 双判别器 图像去模糊
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 图像处理与仿真|IMAGE PROCESSING AND SIMULATION
• 页码范围: 41-46
• 页数: 6页
• 分类号: TN911.7
• 语种: 中文

摘要

原始生成对抗网络(generative adversarial network,GAN)在训练过程中容易产生梯度消失及模式崩溃的问题,去模糊效果不佳.由此本文提出双判别器加权生成对抗网络(dual discriminator weighted generative adversarial network,D2WGAN)的图像去模糊方法,在GAN的基础上增加了一个判别器网络,将正向和反向KL(Kullback-Leibler)散度组合成一个目标函数,引入加权的思想调整正向和反向KL散度的比例,利用两个散度的互补特性,在学习清晰图片过程中避免不良模式的形成.实验结果表明,与现有方法相比,本文方法能更真实地恢复图像细节部分,且在评价指标峰值信噪比和图像结构相似度上有更好的表现.