结合FC-DenseNet和WGAN的图像去雾算法

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.

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

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

资助基金：The Natural Science Foundation of Jiangsu Province under Grant No. BK20171142 江苏省自然科学基金面上项目

在线出版日期：2020-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1380-1388