基于Msmall-Patch训练的夜晚单幅图像去雾算法——MP-CGAN

基于Msmall-Patch训练的夜晚单幅图像去雾算法——

MP-CGAN

王云飞; 王园宇

【期刊名称】《计算机应用》 【年(卷),期】2024(040)003

【摘要】针对基于暗通道先验(DCP)与大气散射模型方法实现夜晚图像去雾出现颜色失真及噪声等问题,提出一种基于Msmall-Patch训练的条件生成对抗网络(CGAN)去雾算法MP-CGAN.首先,将UNet与密集神经网络(DenseNet)网络结合成UDNet网络作为生成器网络结构;其次,对生成器与鉴别器网络使用Msmall-Patch训练,即通过对鉴别器最后Patch部分采取Min-Pool或Max-Pool方式提取多个小惩罚区域,这些区域对应退化严重或容易被误判的区域,与之对应提出重度惩罚损失,即在鉴别器输出中选取数个最大损失值作为损失;最后,将重度惩罚损失、感知损失与对抗感知损失组合成新的复合损失函数.在测试集上,与雾密度图预测算法(HDP-Net)相比,所提算法的峰值信噪比(PSNR)与结构相似性(SSIM)值分别提升了59％与37％;与超像素算法比,PSNR与SSIM值分别提升了59％与48％.实验结果表明,所提算法能够减少CGAN训练过程产生的噪声伪影,提高了夜晚图像去雾质量. 【总页数】7页(865-871)

【关键词】暗通道先验; 夜间图像去雾; 条件生成对抗网络; 感知损失; 对抗感知损失

【作者】王云飞; 王园宇

【作者单位】太原理工大学信息与计算机学院 山西 晋中 030600