联合学习透射图和去雾图的条件生成对抗网络

万晓玲; 段锦; 祝勇; 刘举; 姚安妮

doi:10.19292/j.cnki.jdxxp.20240517.017

吉林大学学报(信息科学版) ›› 2024, Vol. 42 ›› Issue (04) : 600 -609. DOI: 10.19292/j.cnki.jdxxp.20240517.017

联合学习透射图和去雾图的条件生成对抗网络

万晓玲, 段锦, 祝勇, 刘举, 姚安妮

作者信息 +

Author information +

文章历史 +

摘要

针对雾霾天气拍摄的图片质量大幅下降的问题，基于经典的大气散射模型提出了一种新的多任务学习方法，以端到端的方式联合学习透射图和去雾图像。该网络框架是基于一种新的双重条件生成对抗网络，由两个改进的条件生成对抗网络(CGAN:Conditional Generative Adversarial Network)堆叠组成，即将有雾图像输入第1阶段CGAN估计透射图，然后将预测的透射图和有雾图像输入第2阶段CGAN,通过第2个生成器恢复出对应的无雾图像。为改善输出图像的颜色失真和边缘模糊问题，设计了联合损失函数，提高图像转化的质量。在合成和真实数据集上与多种去雾方法进行定性和定量实验比较，结果表明，该方法输出的无雾图像具有更好的视觉效果，其结构相似性和峰值信噪比的值分别达到了0.985和32.880 dB。