计算机科学与探索

作者：孙斌，雎青青，桑庆兵

单位：江南大学 物联网工程学院， 江苏 无锡 214122

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

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。

来源：2020年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第8期