基于生成对抗网络的交通模糊图像复原

摘要：

针对光线及车辆运动造成的交通图像模糊和分辨率低等问题,提出一种基于生成对抗网络(GAN)的图像复原方法.在生成器中加入ResNeXt残差块,提高模型的去模糊效果,并使用对抗损失和感知损失保证图像内容的一致性;以DiscoGAN为基础,构建2个GAN对非成对图像进行正向循环和反向循环,实现了模糊域到清晰域的相互转换.实验结果表明,该模型应用在GoPro数据集上结构相似性(SSIM)和峰值信噪比(PSNR)比其他同类去模糊模型平均提高了8.3％和15.1％,在桂林市交通数据集上测试展现出较好的迁移能力及泛化能力.

关键词：生成对抗网络、残差网络、模糊复原、智能交通系统、交通模糊图像

所属期刊栏目：41

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;国家自然科学基金;广西自然科学基金

在线出版日期：2021-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：167-172