基于改进CycleGAN的林火图像烟雾滤除算法研究

森林火灾现场的烟雾易遮挡火场要素信息,从而严重干扰火点定位等遥感技术手段的实施。本文提出了一种用于火场非均匀烟雾滤除的改进CycleGAN网络算法。该算法组合小波变换分支与包含Res2Net模块、注意力模块的知识蒸馏分支形成生成器,引入PatchGAN网络作为判别器,同时在CycleGAN基础上增加了感知损失和映射损失函数。该算法实现了火场细节的恢复,可有效去除林火图像伪影。为了验证模型有效性,基于国际典型数据集NH-HAZE及中尺度点烧试验数据集,对比了该算法与现有去雾算法的效果。结果表明:该算法去雾效果对比现有模型有了显著改进(与第二名相比,PSNR、SSIM值分别至少提高了2.40 dB和2.07 dB,0.02和0.15),能够提升森林火灾遥感监测质量,可以为森林火灾消防决策提供更丰富、有价值的火场关键信息。