文献

J-GLOBAL ID：202002278345415687   整理番号：20A2174671

FC-DenseNetとWGANを組み合わせた画像脱霧アルゴリズム【JST・京大機械翻訳】

Image Dehazing Algorithm Based on FC-DenseNet and WGAN

著者 (3件)： Sun Bin (江南大学 物聯网工程学院,江蘇 无錫 214122) ,  Ju Qingqing (江南大学 物聯网工程学院,江蘇 无錫 214122) ,  Sang Qingbing (江南大学 物聯网工程学院,江蘇 无錫 214122)
資料名： Jisuanji Kexue Yutansuo  (Jisuanji Kexue Yutansuo)
巻： 14  号： 8  ページ： 1380-1388  発行年： 2020年 
JST資料番号： C2939A  ISSN： 1673-9418  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： Wasserstein生成対抗ネットワーク(WGAN)に基づくエンドツーエンド画像デミストモデルを,既存の画像デミストアルゴリズムにおける中間量の正確な推定の問題に照準を定めて提案した。最初に,フルコンボリューション高密度ブロックネットワーク(FC-DenseNet)を用いて,画像中の霧の特性を十分に学習した。次に,残差学習のアイデアを用いて,劣化画像から鮮明な画像の特徴を学習し,エンドツーエンドの脱霧を実現した。最後に,モデルの損失関数として,平均二乗誤差と知覚構造誤差関数を用いて,画像構造とコンテンツ間の類似性を確保し,WGANを用いて,生成結果を詳細に最適化し,鮮明で忠実な無霧画像を生成した。実験結果は,合成霧天データセットにおいて,このアルゴリズムが,構造類似性において,他のコントラストアルゴリズムと比較して,4%増加し,自然霧画像において,このアルゴリズムによって復元された画像は,より高い解像度とコントラストを持ち,主観的評価において,他のコントラストアルゴリズムより優れていることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  コントラスト ,  最適化 ,  学習 ,  損失関数 ,  ネットワーク ,  分解能 ,  残差 ,  エンドツーエンド方式 ,  類似性 ,  主観評価 ,  コンテンツ ,  誤差関数
準シソーラス用語： 平均二乗誤差 ,  画像構造 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 霧 ,  アルゴリズム