融合暗通道先验损失的生成对抗网络用于单幅图像去雾

摘要：

针对基于成对抗网络(GAN)的单幅图像去雾算法,其模型对样本真值过度拟合,而在自然图像上表现一般的问题,本文设计了一种融合暗通道先验损失的生成对抗网络来进行单幅图像去雾.该先验损失可以在网络训练中对模型预测结果产生影响,纠正暗通道特征图的稀疏性与偏度特性,提升去雾效果的同时阻止模型对样本真值过度拟合.另外,为了解决传统的暗通道特征图提取方法存在非凸函数,难以嵌入网络训练的问题,引入了一种基于像素值压缩的暗通道特征图提取策略.该策略将最小值滤波等效为对像素值压缩,其实现函数是一个凸函数,有利于嵌入网络训练,增强算法整体的鲁棒性.另外,基于像素值压缩的暗通道特征图提取策略不需要设置固定尺度提取暗通道特征图,对不同尺寸的图像均有良好的适应性.实验结果表明,相较于其它先进算法,本文算法在真实图像以及SOTS等合成测试集上均有良好的表现.

关键词：生成对抗网络、先验损失、稀疏性、偏度

所属期刊栏目：49

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金51774281

在线出版日期：2022-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：55-70