基于生成对抗网络的交通模糊图像复原

摘要

针对光线及车辆运动造成的交通图像模糊和分辨率低等问题,提出一种基于生成对抗网络(GAN)的图像复原方法。在生成器中加入ResNeXt残差块,提高模型的去模糊效果,并使用对抗损失和感知损失保证图像内容的一致性;以DiscoGAN为基础,构建2个GAN对非成对图像进行正向循环和反向循环,实现了模糊域到清晰域的相互转换。实验结果表明,该模型应用在GoPro数据集上结构相似性(SSIM)和峰值信噪比(PSNR)比其他同类去模糊模型平均提高了8.3%和15.1%,在桂林市交通数据集上测试展现出较好的迁移能力及泛化能力。

关键词

生成对抗网络 / 残差网络 / 模糊复原 / 智能交通系统 / 交通模糊图像