基于通道注意力与条件生成对抗网络的图像去雾
针对当前去雾方法存在雾残留、颜色失真等问题,结合生成对抗网络在图像超分辨率重建的优势,提出基于通道注意力与条件生成对抗网络图像去雾算法(CGAN-ECA).网络基于编码-解码结构,生成器设计多尺度残差模块(multi-scale residual block,MRBlk)和高效通道注意力模块(efficient channel attention,ECA)扩大感受野,提取多尺度特征,动态调整不同通道权重,提高特征利用率.使用马尔可夫判别器分块评价图像,提高图像判别准确率.损失函数增加内容损失,减少去雾图像的像素和特征级损失,保留图像更多的细节信息,实现高质量的图像去雾.在公开数据集RESIDE实验结果表明,提出的模型相比于DCP、AOD-Net、DehazeNet和GCANet方法峰值信噪比和结构相似性分别平均提高36.36%,8.80%,改善了颜色失真和去雾不彻底的现象,是一种有效的图像去雾算法.
图像去雾、条件生成对抗网络、注意力机制、多尺度特征、深度学习
31
TP391;TN911.73;TP183
国家重点研发计划;国家自然科学基金;陕西省重点研发计划
2022-11-16(万方平台首次上网日期,不代表论文的发表时间)
共8页
167-174