基于双判别器异构CycleGAN框架下多阶通道注意力校准的室外图像去雾OACSCD
Outdoor Image Dehazing Based on Multi-Order Channel Attention Calibration Using a Dual-Discriminator Heterogeneous CycleGAN Framework
图像去雾是计算机视觉领域中一个经典并具有挑战性的研究方向.近年来,基于深度学习的方法在图像去雾领域取得了显著的成绩.然而,大多数去雾算法依赖于合成配对数据训练网络,由于合成数据与真实有雾数据在分布上存在一定的差距,从而限制了这类去雾方法的实际应用.目前基于CycleGAN网络框架的去雾算法将图像去雾视为一般性图像转换问题,忽视了生成器学习的有效性;此外,在恢复图像时缺乏对于局部区域的探索,构建的网络结构中仅采用一阶通道注意力,忽略了深层次通道相关信息的有效利用.为此,本文提出一种基于双判别器异构Cy-cleGAN框架下多阶通道注意力校准的室外图像去雾算法,该方法主要包含双判别器异构循环框架和多阶通道注意力模块.具体来说,双判别器异构CycleGAN框架通过异构批归一化的生成器和约束生成器局部视野的方式,提升算法的收敛效果和增加局部区域关注.为了进一步挖掘对于图像去雾至关重要的特征通道信息,本文通过引入一阶、二阶特征统计量提出了多阶通道注意力模块,从而提升去雾图像的视觉质量.实验结果表明,在公开合成和真实室外数据集上,本文提出的去雾方法相比现有的8种优秀的去雾算法,取得了最好的客观评价指标和视觉效果.
但志平;方帅领;孙航;李晶;万俊
三峡大学计算机与信息学院,湖北宜昌 443000||三峡大学湖北省水电工程智能视觉监测重点实验室,湖北宜昌 443000三峡大学计算机与信息学院,湖北宜昌 443000三峡大学计算机与信息学院,湖北宜昌 443000||三峡大学湖北省水电工程智能视觉监测重点实验室,湖北宜昌 443000武汉大学计算机学院,湖北武汉 430072中南财经政法大学信息与安全工程学院,湖北武汉430073
计算机与自动化
图像去雾批归一化异构CycleGAN双判别器多阶通道注意力
image dehazingbatch normalizationheterogeneous CycleGANdual-discriminatorsmulti-order channel attention
《电子学报》 2023 (9)
基于高阶信息的热力图回归人脸特征点检测
2558-2571,14
国家自然科学基金(No.62002233)湖北省自然科学基金(No.2021CFB004)National Natural Science Foundation of China(No.62002233)Natural Science Foundation of Hubei Province of China(No.2021CFB004)
评论