计算机应用

作者：王云飞, 王园宇

单位：太原理工大学 信息与计算机学院, 山西 晋中 030600

关键词：暗通道先验,夜间图像去雾,条件生成对抗网络,感知损失,对抗感知损失

基金：山西省自然科学基金资助项目（201801D121142）。

针对基于暗通道先验（DCP）与大气散射模型方法实现夜晚图像去雾出现颜色失真及噪声等问题，提出一种基于Msmall-Patch训练的条件生成对抗网络（CGAN）去雾算法MP-CGAN。首先，将UNet与密集神经网络（DenseNet）网络结合成UDNet网络作为生成器网络结构；其次，对生成器与鉴别器网络使用Msmall-Patch训练，即通过对鉴别器最后Patch部分采取Min-Pool或Max-Pool方式提取多个小惩罚区域，这些区域对应退化严重或容易被误判的区域，与之对应提出重度惩罚损失，即在鉴别器输出中选取数个最大损失值作为损失；最后，将重度惩罚损失、感知损失与对抗感知损失组合成新的复合损失函数。在测试集上，与雾密度图预测算法（HDP-Net）相比，所提算法的峰值信噪比（PSNR）与结构相似性（SSIM）值分别提升了59%与37%；与超像素算法比，PSNR与SSIM值分别提升了59%与48%。实验结果表明，所提算法能够减少CGAN训练过程产生的噪声伪影，提高了夜晚图像去雾质量。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期