基于 GAN 的单幅图像去雾输入尺寸灵活模型
图像与视频处理
2022-10-11 v2 计算机视觉与模式识别
摘要
基于生成对抗网络（GAN）的图像到图像翻译已在多种图像复原应用中取得最先进性能。单幅图像去雾是一个典型例子，其旨在从有雾图像中获取无雾图像。本文聚焦于单幅图像去雾这一挑战性任务。基于大气散射模型，设计了一种新颖模型以直接生成无雾图像。图像去雾的主要挑战在于大气散射模型具有两个参数，即透射率和大气光。当分别估计它们时，误差会累积从而损害去雾质量。考虑到该原因及图像尺寸多样，本文提出一种新颖的输入尺寸灵活条件生成对抗网络（cGAN）用于单幅图像去雾，该网络在训练和测试阶段均对基于 cGAN 框架的图像到图像翻译具有输入尺寸灵活性。提出一种简单有效的 U 形连接残差网络（UR-Net）来组合生成器，并采用空间金字塔池化（SPP）设计判别器。此外，模型采用多损失函数训练，其中一致性损失为本文新设计的损失。最后，构建多尺度 cGAN 融合模型以实现最先进的单幅图像去雾性能。所提模型以有雾图像为输入并直接输出无雾图像。实验结果证明了所提模型的有效性与高效性。
引用
@article{arxiv.2102.09796,
title = {A GAN-Based Input-Size Flexibility Model for Single Image Dehazing},
author = {Shichao Kan and Yue Zhang and Fanghui Zhang and Yigang Cen},
journal= {arXiv preprint arXiv:2102.09796},
year = {2022}
}
备注
Published on Signal Processing-Image Communication