基于循环生成对抗网络和Transformer的单幅图像去雾算法

作     者：王博 魏伟波 张为栋 潘振宽 李明 李金函 WANG Bo;WEI Wei-bo;ZHANG Wei-dong;PAN Zhen-kuan;LI Ming;LI Jin-han

作者机构：青岛大学计算机科学技术学院青岛266071 中国海洋大学计算机科学与技术学院青岛266100 

基　　金：山东省自然科学基金(批准号:ZR2020QF033)资助 

出 版 物：《青岛大学学报（自然科学版）》 (Journal of Qingdao University(Natural Science Edition))

年 卷 期：2024年第37卷第2期

页      码：89-97,125页

摘      要：针对传统去雾算法在配对数据集上训练时产生过拟合的问题,基于密度和深度分解的非配对图像去雾网络模型,改进了自增强缩放网络。引入Transformer机制,将其与深度卷积神经网络模块深度融合,提出了一种使用未配对数据集训练的基于循环生成对抗网络和Transformer的CT-Nets图像去雾算法;提取输入图像的深度信息和散射系数特征值,利用大气散射模型尽可能恢复不同场景下真实雾的浓度信息,以提高去雾图像主观视觉质量;基于Swin-Transformer设计自增强精化层,以获得精细的细粒度信息,提高模型泛化能力和最终预测图像真实性。实验结果表明,相较于基于密度和深度分解的非配对图像去雾网络模型,CT-Nets图像去雾算法的峰值信噪比和结构相似性分别提升4%和4.1%。

主 题 词：深度学习 单幅图像去雾 自监督网络 循环生成对抗网络 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.10061037.2024.02.15

馆 藏 号：203128376...