典型文献
融合暗通道先验损失的生成对抗网络用于单幅图像去雾
文献摘要：
针对基于成对抗网络(GAN)的单幅图像去雾算法,其模型对样本真值过度拟合,而在自然图像上表现一般的问题,本文设计了一种融合暗通道先验损失的生成对抗网络来进行单幅图像去雾.该先验损失可以在网络训练中对模型预测结果产生影响,纠正暗通道特征图的稀疏性与偏度特性,提升去雾效果的同时阻止模型对样本真值过度拟合.另外,为了解决传统的暗通道特征图提取方法存在非凸函数,难以嵌入网络训练的问题,引入了一种基于像素值压缩的暗通道特征图提取策略.该策略将最小值滤波等效为对像素值压缩,其实现函数是一个凸函数,有利于嵌入网络训练,增强算法整体的鲁棒性.另外,基于像素值压缩的暗通道特征图提取策略不需要设置固定尺度提取暗通道特征图,对不同尺寸的图像均有良好的适应性.实验结果表明,相较于其它先进算法,本文算法在真实图像以及SOTS等合成测试集上均有良好的表现.
文献关键词：
生成对抗网络;先验损失;稀疏性;偏度
中图分类号：
作者姓名：
程德强;尤杨杨;寇旗旗;徐进洋
作者机构：
地下空间智能控制教育部工程研究中心,江苏 徐州 221000;中国矿业大学信息与控制工程学院,江苏 徐州 221000;中国矿业大学计算机科学与技术学院,江苏 徐州 221000
文献出处：
引用格式：
[1]程德强;尤杨杨;寇旗旗;徐进洋-.融合暗通道先验损失的生成对抗网络用于单幅图像去雾)[J].光电工程,2022(07):55-70
A类：
暗通道先验损失,先验损失
B类：
生成对抗网络,单幅图像去雾,GAN,图像去雾算法,本真,真值,过度拟合,网络训练,通道特征,特征图,稀疏性,偏度,非凸函数,入网,像素,提取策略,最小值,增强算法,定尺,不同尺寸,SOTS,测试集
AB值：
0.171282
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
