计算机工程与科学

作者：张蕾, 王园宇, 张文涛

单位：（1.太原理工大学软件学院,山西 晋中 030600;2.太原理工大学信息与计算机学院,山西 晋中 030600）

关键词：深度估计,单幅雾霾图像,感知损失函数,卷积神经网络,计算机视觉,

基金：山西省自然科学基金（201801D121142）

针对雾霾情况下室内外图像深度难以估计的问题，提出了融合感知损失函数的单幅雾霾图像深度估计方法。首先采用双尺度网络模型对雾霾图像进行粗提取，再结合底层特征进行局部细化;然后在上采样阶段使用多卷积核上采样方法，得到雾霾图像的预测深度图；最后将像素级损失函数与感知损失函数结合构造新的复合损失函数，对网络进行训练。在室内NYU Depth v2数据集和室外Make3D数据集上进行训练、测试和验证，结果表明：添加了多卷积核上采样方法和复合损失函数的双尺度网络模型能够很好地估计出单幅雾霾图像的深度信息，提高了雾霾情况下的深度估计精度和质量，同时缩短了模型训练时间，提高了对雾霾图像深度估计的适用性和准确性。

来源：2022年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第3期