10.3969/j.issn.2095-2783.2021.11.010
基于注意力机制生成对抗网络的图像去雾
为了解决图像去雾方法中大气散射模型先验知识不完备和实际成对图像数据集缺乏导致的去雾效果欠佳的问题,提出了一种基于注意力机制的循环一致性生成对抗网络(based on attention mechanism cycle-consistent generative adversarial net-works,A-CycleGAN)的图像去雾方法.利用循环一致性生成对抗网络(cycle-consistent generative adversarial networks,Cy-cleGAN)方法的约束转移学习能力和循环结构完成非成对图像的无监督去雾任务.考虑实际成像中雾分布的复杂性,结合人类视觉特征,在网络中融入通道注意力机制和区域注意力机制,非均匀地处理不同特征和不同区域.实验结果表明,所提方法在合成图像数据集和真实含雾图像数据集上都取得了较好结果.
图像去雾;深度学习;生成对抗网络;循环一致性;注意力机制
16
TP391(计算技术、计算机技术)
国家自然科学基金资助项目;山东省高等学校科技计划项目;烟台大学研究生科技创新基金资助项目
2021-12-01（万方平台首次上网日期，不代表论文的发表时间）
共5页
1215-1219
