基于改进CycleGAN的浑浊水体图像增强算法研究

作     者：李宝奇 黄海宁 刘纪元 刘正君 韦琳哲 LI Baoqi;HUANG Haining;LIU Jiyuan;LIU Zhengjun;WEI Linzhe

作者机构：中国科学院声学研究所北京100190 中国科学院先进水下信息技术重点实验室北京100190 

基　　金：国家自然科学基金(11904386) 国家基础科研计划重大项目(JCKY2016206A003) 中国科学院青年创新促进会(2019023) 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2022年第44卷第7期

页      码：2504-2511页

摘      要：针对循环生成对抗网络(Cycle Generative Adversarial Networks,CycleGAN)在浑浊水体图像增强中存在质量差和速度慢的问题,该文提出一种可扩展、可选择和轻量化的特征提取单元BSDK(Bottleneck Selective Dilated Kernel),并利用BSDK设计了一个新的生成器网络BSDKNet。与此同时,提出一种多尺度损失函数MLF(Multi-scale Loss Function)。在自建的浑浊水体图像增强数据集TC(Turbid and Clear)上,该文BM-CycleGAN比原始CycleGAN的精度提升3.27%,生成器网络参数降低4.15MB,运算时间减少0.107s。实验结果表明BMCycleGAN适合浑浊水体图像增强任务。

主 题 词：图像增强 生成对抗网络 循环生成对抗网络 深度可分离空洞卷积 多尺度结构相似性 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11999/JEIT210400

馆 藏 号：203113520...