基于循環(huán)生成對抗網絡和Transformer的單幅圖像去霧算法

打開文本圖片集

摘要：針對傳統(tǒng)去霧算法在配對數(shù)據(jù)集上訓練時產生過擬合的問題，基于密度和深度分解的非配對圖像去霧網絡模型，改進了自增強縮放網絡。引入Transformer機制，將其與深度卷積神經網絡模塊深度融合，提出了一種使用未配對數(shù)據(jù)集訓練的基于循環(huán)生成對抗網絡和Transformer的CT-Nets圖像去霧算法；提取輸入圖像的深度信息和散射系數(shù)特征值，利用大氣散射模型盡可能恢復不同場景下真實霧的濃度信息，以提高去霧圖像主觀視覺質量；基于Swin-Transformer設計自增強精化層，以獲得精細的細粒度信息，提高模型泛化能力和最終預測圖像真實性。（剩余15343字）