隐空间转换的混合样本图像去雾

作     者：郑玉彤 孙昊英 宋伟 ZHENG Yutong;SUN Haoying;SONG Wei

作者机构：中央民族大学信息工程学院北京100081 自然资源部海洋环境探测技术与应用重点实验室广州510310 国家语言资源监测与研究少数民族语言中心北京100081 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第9期

页      面：225-236页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(52071349) 自然资源部海洋环境探测技术与应用重点实验室开放基金课题(MESTA-2020-B001) 国家民委中青年英才项目 中央民族大学交叉专项(2020MDJC08) 

主　　题：单幅图像去雾 隐空间转换 混合样本 变分自编码器(VAE) 生成对抗网络(GAN) 

摘      要：深度学习从数据集中学习样本的内在规律,数据集的质量一定程度上决定了模型的表现。在去雾任务的公开数据集中,由于缺少成对真实数据,合成的成对数据难以模拟真实环境等问题,可能导致训练出的模型在实际环境中表现不佳。为此,提出混合样本学习问题,利用合成的成对数据和真实数据(混合样本)同时训练模型,通过隐空间的转换实现混合样本间的转换。算法利用变分自编码器和生成对抗网络(VAE-GAN)将混合样本分别编码到隐空间,利用对抗损失将真实数据的隐空间向合成雾图的隐空间对齐,利用含特征自适应融合(MFF)模块的映射网络学习成对数据隐空间之间的转换,从而建立起从真实雾图域到清晰图像域之间的去雾数据通路。实验结果表明,该算法相比其他去雾算法在真实雾图上的去雾结果更加清晰,对于较厚的雾图也有突出的效果,且该算法的峰值信噪比高于对比算法。