基于循环生成对抗网络和Transformer的单幅图像去雾算法

打开文本图片集

摘要：针对传统去雾算法在配对数据集上训练时产生过拟合的问题，基于密度和深度分解的非配对图像去雾网络模型，改进了自增强缩放网络。引入Transformer机制，将其与深度卷积神经网络模块深度融合，提出了一种使用未配对数据集训练的基于循环生成对抗网络和Transformer的CT-Nets图像去雾算法；提取输入图像的深度信息和散射系数特征值，利用大气散射模型尽可能恢复不同场景下真实雾的浓度信息，以提高去雾图像主观视觉质量；基于Swin-Transformer设计自增强精化层，以获得精细的细粒度信息，提高模型泛化能力和最终预测图像真实性。（剩余15343字）