联合学习透射图和去雾图的条件生成对抗网络

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。

关键词

图像去雾 / 大气散射模型 / 条件生成对抗网络 / 多任务学习 / 联合损失