CN113658051B 一种基于循环生成对抗网络的图像去雾方法及系统 （南京邮电大学）

号A,2020.05.19A,2019.03.15A,2021.05.14A,2021.05.11A,2020.10.02A,2019.09.27A,2020.12.29A,2020.11.24A,2019.02.01A,2020.09.25A,2020.08.07一种基于循环生成对抗网络的图像去雾方本发明公开了一种基于循环生成对抗网络2密集连接循环生成对抗网络还包括判别器判别器Dx和判别从Reside数据集中随机选取无雾图像和有雾图像各N张作为训练样本，有雾图像的训对数据集P(x)和数据集P(y)进行标记，利用标记后的数据集P(x)和数根据输入样本，先固定生成器权重参数对判别器进行训根据判别器的最终权重参数和生成器的最终权重参数确定训练好的密集连接循环生G为总损失函数，3yy其中，F(G(x))为生成器F从无雾图像G(x)再生成的有雾图像；G其中，D(X)和D(Y)分别表示x和y经过VGG16网络卷积层后输出的特征值，重新获取输入样本，并重复上述步骤，通过不断调4.一种存储一个或多个程序的计算机可读存储介质，其特一个或多个处理器、存储器以及一个或多个程序4[0005]为解决上述技术问题，本发明提供一种基于循环生成对抗网络5层用于还原图像的原有特征，缩放卷积神经网络层用于去除还原的原有特征的棋盘格效[0012]密集连接循环生成对抗网络还包括判别器判别器Dx和判别器Dy[0013]从Reside数据集中随机选取无雾图像和有雾图像各N张作为训练样本，有雾图像判别器Dx和判别器Dy进行训练，使得判别器Dx和判别器Dy能够判断若输入两幅有雾图像，[0018]根据判别器的最终权重参数和生成器的最终权重参数确定训练好的密集连接循6[0038]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指[0046]图2为本发明方法实施例所述的密集残差的循环生成对抗网络生成器结构示意7[0049]图1为本发明的一种基于循环生成对抗网络的图像去雾方法实施的整体网络架构雾的图像各150张作为训练样本，分别记为P(x)组(有雾的图像)和P(y)组(清晰无雾的图[0053]一方面，生成器G从数据集P(x)中的有雾图像生成相应的无雾图像G(x)，另一方渡转换后的特征图会与输入数据进行逐分量相加操作以形成恒等映射层。经过过渡转换8层和泄露修正线性单元(LeakyReLu)激活函数；中间三层卷积层进行尺寸的压缩和升维之[0073]其中，F(G(x))为原始图像的循环图像，它将生成器的结果G(x)带回为原来的图现结果过度平滑，丢失细节。感知损失计算的是网络生成结果和真值在预训练的VGG网络9判定平稳的条件是连续相邻10次循环的损失函数误差∈稳定在0.001左右度学习的图像去雾方法所面临的缺乏真实成对数据集问题，引入密集连接和残差网络结现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中[0095]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用