隐空间转换的混合样本图像去雾 |
| |
引用本文: | 郑玉彤,孙昊英,宋伟.隐空间转换的混合样本图像去雾[J].计算机工程与应用,2023(9):225-236. |
| |
作者姓名: | 郑玉彤 孙昊英 宋伟 |
| |
作者单位: | 1. 中央民族大学信息工程学院;2. 自然资源部海洋环境探测技术与应用重点实验室;3. 国家语言资源监测与研究少数民族语言中心 |
| |
基金项目: | 国家自然科学基金(52071349); |
| |
摘 要: | 深度学习从数据集中学习样本的内在规律,数据集的质量一定程度上决定了模型的表现。在去雾任务的公开数据集中,由于缺少成对真实数据,合成的成对数据难以模拟真实环境等问题,可能导致训练出的模型在实际环境中表现不佳。为此,提出混合样本学习问题,利用合成的成对数据和真实数据(混合样本)同时训练模型,通过隐空间的转换实现混合样本间的转换。算法利用变分自编码器和生成对抗网络(VAE-GAN)将混合样本分别编码到隐空间,利用对抗损失将真实数据的隐空间向合成雾图的隐空间对齐,利用含特征自适应融合(MFF)模块的映射网络学习成对数据隐空间之间的转换,从而建立起从真实雾图域到清晰图像域之间的去雾数据通路。实验结果表明,该算法相比其他去雾算法在真实雾图上的去雾结果更加清晰,对于较厚的雾图也有突出的效果,且该算法的峰值信噪比高于对比算法。
|
关 键 词: | 单幅图像去雾 隐空间转换 混合样本 变分自编码器(VAE) 生成对抗网络(GAN) |
|
|