计算机工程

作者：郭梦琰, 张娟, 刘巧红, 蔡立志

单位：1. 上海工程技术大学 电子电气工程学院, 上海 201620;2. 上海健康医学院 医疗器械学院, 上海 201318;3. 上海计算机软件技术开发中心, 上海 200235

关键词：图像去雾,循环卷积神经网络,生成对抗网络,编码-解码模式,反馈连接

基金：国家自然科学基金（61801288）。

大气散射模型与有雾图像及对应清晰图像间的映射模型不适配，导致使用大气散射模型进行图像去雾处理时，图像存在颜色偏差、纹理细节粗糙等问题。基于模拟生物视觉系统的反馈原理，提出一种端到端的循环生成对抗网络算法，以解决误差累积造成的去雾图像低质的问题。通过生成模块将循环神经网络的隐藏状态作为反馈信息，以指导低级模糊特征信息生成更加丰富的高级特征。循环结构能够保证先前的网络层可以使用到后面网络层的高级特征信息，从而减少误差累积。此外，该算法能够根据判别模块的损失来评估重建图像的质量。实验结果表明，与GCANet算法相比，所提算法在SOTS测试集上的平均峰值信噪比和结构相似性，在室内分别提升3.41%和0.57%，在室外分别提升3.48%和1.39%，且在真实世界的数据集上进行图像去雾后，在视觉上避免了颜色失真和光晕问题。

来源：2022年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第3期