基于改进Cycle-Dehaze的单幅图像去雾算法

针对现有去雾算法存在的颜色失真、图像失真等问题,提出了一种基于改进Cycle-Dehaze(Enhanced Cycle-consistent Generative Adversarial Network,Cycle-Dehaze)的单幅图像去雾算法。首先,该算法通过Cycle-Dehaze学习非配对雾天图像与真实图像之间的映射关系,再通过鉴别器判断重建图像是否符合真实图像的数据分布;其次,在生成器的编码和解码网络中分别选用Leaky Re LU和tanh激活函数,以避免一定程度的梯度爆炸和梯度消失问题,扩大特征效果,提高训练效率;最后,引入颜色损失函数和特征损失函数,使得生成器生成的重建图像与无雾图像具有相同的颜色分布,减少图像失真,更好地保留真实图像的细节特征。实验结果表明:所提算法在OHAZY、IHAZY和SOTS测试集上与Dehaze Net,Cycleag GAN等当前主流去雾算法相比,峰值信噪比至少提高了0.34d B,结构相似性至少提高了1%,同时,该算法也取得了更好的视觉效果。