四通道无监督学习图像去雾网络

摘要：

为了解决单幅图像去雾领域有监督网络和无监督网络分别存在的问题,基于循环生成对抗网络(CycleGAN),提出了一种四通道无监督学习图像去雾网络.所提模型主要包括3个子网络,即去雾网络、合成雾网络和注意力特征融合网络;并由此3个子网络顺序组合构建了4条学习通道,即去雾通道、去雾结果颜色?纹理恢复通道、合成雾通道以及合成雾结果颜色?纹理恢复通道.特别地,在合成雾网络中,为了更好地约束去雾网络生成更高质量的无雾图像,引入了大气散射模型(ASM)以加强网络从有雾图像域到无雾图像域的映射转换;同时,为了进一步提高去雾网络和合成雾网络的图像生成质量,提出了一种注意力特征融合网络,该网络基于雾相关派生图,采用多路映射结构和注意力机制,加强对生成图像颜色、纹理细节等信息的恢复.在合成雾和真实雾图数据集上的大量实验结果表明,所提方法能更好地恢复各类场景中雾图的颜色和纹理细节等信息.

关键词：循环生成对抗网络、单幅图像去雾、大气散射模型、注意力特征融合、无监督学习

所属期刊栏目：43

分类号：TP391.41(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;湖北省支持企业技术创新发展基金资助项目

在线出版日期：2022-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：210-222