一种用于图像去雾的改进生成对抗网络OA北大核心CSTPCD
An Improved Generative Adversarial Network for Image Dehazing
雾霾天气会使计算机视觉相关系统获取到的图像质量下降并影响系统的正常工作.传统图像去雾算法通过分析大量图像建立模型,并找出清晰图像与模型之间的映射关系,但该类算法大多存在颜色失真和图像失真的问题,且在某些特定场景下可能失效.基于卷积神经网络的去雾算法得到的图像质量相对较好,但是该类算法对数据集要求较高,普遍需要成对数据进行训练,而获取同一时刻和场景下的有雾图像与无雾图像难度较高.提出一种基于循环生成对抗网络(CycleGAN)的改进图像去雾算法,该…查看全部>>
丁泳钧;黄山
四川大学 电气工程学院,成都 610065四川大学 电气工程学院,成都 610065
信息技术与安全科学
图像去雾图像复原图像增强深度学习生成对抗网络
《计算机工程》 2022 (6)
207-212,6
教育部产学合作协同育人项目(202002109040).
评论