典型文献
基于改进Cycle-Dehaze的单幅图像去雾算法
文献摘要：
针对现有去雾算法存在的颜色失真、图像失真等问题,提出了一种基于改进Cycle-Dehaze(Enhanced Cycle-consistent Generative Adversarial Network,Cycle-Dehaze)的单幅图像去雾算法.首先,该算法通过Cycle-Dehaze学习非配对雾天图像与真实图像之间的映射关系,再通过鉴别器判断重建图像是否符合真实图像的数据分布;其次,在生成器的编码和解码网络中分别选用Leaky ReLU和tanh激活函数,以避免一定程度的梯度爆炸和梯度消失问题,扩大特征效果,提高训练效率;最后,引入颜色损失函数和特征损失函数,使得生成器生成的重建图像与无雾图像具有相同的颜色分布,减少图像失真,更好地保留真实图像的细节特征.实验结果表明:所提算法在OHAZY、IHAZY和SOTS测试集上与DehazeNet,CycleagGAN等当前主流去雾算法相比,峰值信噪比至少提高了0.34dB,结构相似性至少提高了1％,同时,该算法也取得了更好的视觉效果.
文献关键词：
图像去雾;Cycle-Dehaze;颜色损失;特征损失;激活函数
中图分类号：
作者姓名：
令红娜;朱磊
作者机构：
西安工程大学电子信息学院,陕西西安710048
文献出处：
引用格式：
[1]令红娜;朱磊-.基于改进Cycle-Dehaze的单幅图像去雾算法)[J].长江信息通信,2022(12):38-41
A类：
Dehaze,颜色损失,OHAZY,IHAZY,CycleagGAN,34dB
B类：
单幅图像去雾,图像去雾算法,颜色失真,Enhanced,consistent,Generative,Adversarial,Network,习非,雾天图像,映射关系,鉴别器,重建图像,像是,数据分布,生成器,解码,Leaky,ReLU,tanh,激活函数,梯度消失,提高训练,训练效率,损失函数,特征损失,细节特征,SOTS,测试集,DehazeNet,流去,峰值信噪比,少提,结构相似性,视觉效果
AB值：
0.31884
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。
