文档名：基于双判别器异构CycleGAN框架下多阶通道注意力校准的室外图像去雾
摘要：图像去雾是计算机视觉领域中一个经典并具有挑战性的研究方向.近年来,基于深度学习的方法在图像去雾领域取得了显著的成绩.然而,大多数去雾算法依赖于合成配对数据训练网络,由于合成数据与真实有雾数据在分布上存在一定的差距,从而限制了这类去雾方法的实际应用.目前基于CycleGAN网络框架的去雾算法将图像去雾视为一般性图像转换问题,忽视了生成器学习的有效性;此外,在恢复图像时缺乏对于局部区域的探索,构建的网络结构中仅采用一阶通道注意力,忽略了深层次通道相关信息的有效利用.为此,本文提出一种基于双判别器异构Cy-cleGAN框架下多阶通道注意力校准的室外图像去雾算法,该方法主要包含双判别器异构循环框架和多阶通道注意力模块.具体来说,双判别器异构CycleGAN框架通过异构批归一化的生成器和约束生成器局部视野的方式,提升算法的收敛效果和增加局部区域关注.为了进一步挖掘对于图像去雾至关重要的特征通道信息,本文通过引入一阶、二阶特征统计量提出了多阶通道注意力模块,从而提升去雾图像的视觉质量.实验结果表明,在公开合成和真实室外数据集上,本文提出的去雾方法相比现有的8种优秀的去雾算法,取得了最好的客观评价指标和视觉效果.
作者：但志平 方帅领 孙航 李晶 万俊 Author：DANZhi-ping FANGShuai-ling SUNHang LIJing WANJun
作者单位：三峡大学计算机与信息学院,湖北宜昌443000;三峡大学湖北省水电工程智能视觉监测重点实验室,湖北宜昌443000三峡大学计算机与信息学院,湖北宜昌443000武汉大学计算机学院,湖北武汉430072中南财经政法大学信息与安全工程学院,湖北武汉430073
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(9)
分类号：TP391.4
关键词：图像去雾 批归一化 异构CycleGAN 双判别器 多阶通道注意力
Keywords：imagedehazing batchnormalization heterogeneousCycleGAN dual-discriminators multi-orderchannelattention
机标分类号：TP391.41R783.5U491
在线出版日期：2023年12月26日
基金项目：基于双判别器异构CycleGAN框架下多阶通道注意力校准的室外图像去雾[
期刊论文] 电子学报--2023, 51(9)但志平 方帅领 孙航 李晶 万俊图像去雾是计算机视觉领域中一个经典并具有挑战性的研究方向.近年来,基于深度学习的方法在图像去雾领域取得了显著的成绩.然而,大多数去雾算法依赖于合成配对数据训练网络,由于合成数据与真实有雾数据在分布上存在一定...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于双判别器异构CycleGAN框架下多阶通道注意力校准的室外图像去雾 Outdoor Image Dehazing Based on Multi-Order Channel Attention Calibration Using a Dual-Discriminator Heterogeneous CycleGAN Framework
基于双判别器异构CycleGAN框架下多阶通道注意力校准的室外图像去雾.pdf
- 文件大小:
- 5.35 MB
- 下载次数:
- 60
-
高速下载
|
