计算机应用

作者：孙潇, 徐金东

单位：烟台大学 计算机与控制工程学院, 山东 烟台 264005

关键词：生成对抗网络,视觉注意,遥感图像,去雾

基金：国家自然科学基金资助项目（62072391，62066013）；山东省自然科学基金资助项目（ZR2019MF060）；山东省高等教育科技重点项目（J18KZ016）；烟台市重点研发计划项目（2018YT06000271）。

针对图像训练对的去雾算法难以应对遥感图像中训练样本对不足，且模型泛化的问题，提出一种基于级联生成对抗网络（GAN）的遥感图像去雾方法。为解决成对遥感数据集的缺失，提出了学习雾生成的U-Net GAN（UGAN）和学习去雾的像素注意GAN（PAGAN）。所提方法通过UGAN学习如何使用未配对的清晰遥感图像和带雾遥感图像集在保留遥感图像细节的同时对无雾图像进行加雾处理，然后引导PAGAN学习如何正确地对此类图像进行去雾。为了减少生成的带雾遥感图像和去雾后遥感图像之间的差异，在PAGAN中加入自我注意机制，用生成器从低分辨率图像中所有位置的细节线索生成高分辨率细节特征，用判别器检查图像远端部分的细节特征是否彼此一致。与特征融合注意网络（FFANet）、门控上下文聚合网络（GCANet）和暗通道先验（DCP）等去雾方法相比，级联GAN方法无需大量成对数据来反复训练网络。实验结果表明该方法能够有效地去除雾和薄云，在目视效果和定量指标上均优于对比方法。

来源：2021年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第8期