《单幅图像去雨去雾算法分析》2900字.docxVIP

单幅图像去雨去雾算法分析

目录

TOC\o1-3\h\u27362单幅图像去雨去雾算法分析 1

191251.1GAN与CycleGAN 1

212111.2网络结构设计 3

219481.3注意力机制 4

11661.4损失函数 5

本文所提出的单幅图像去雨去雾算法是在CycleGAN的基础上进行网络结构和损失函数的调整。因此，本章将首先介绍GAN的基本原理和网络结构，而后描述在GAN基础上改进而来的CycleGAN的网络结构和损失函数。之后，给出本文算法的网络结构，并对重点介绍经修改后的生成器结构。然后，引入本文算法的生成器中所引入的注意力机制。最后，介绍本文算法的损失函数的各个组成部分，并给出总体的损失函数公式。

1.1GAN与CycleGAN

得益于对抗损失的巧妙设计，由Goodfellow等人[52]提出的生成式对抗网络（GenerativeAdversarialNetworks）在数据增强、图像修复、风格迁移等图像生成领域都有着杰出的表现。GAN中有两个网络，一个是生成器G（Generator），另一个是判别器D（Discriminator）。G用于生成图像，它接收一个随机噪声z并输出图像G(z)；D用于判别一张图像的真伪，它接收图像x输出x为真实图像的概率D(x)。如图1.1所示，GAN中生成器G的主要目标是将源