一种基于生成对抗网络的无人机图像去雾算法

无人机所采集的图像容易受到雾霾、雾气等阴霾天气干扰，造成图像质量下降。针对阴霾天气下无人机采集图像的质量下降问题，提出了一种新颖的基于生成对抗网络的图像去雾方法。本方法设计了新式生成网络和判别网络，生成网络由多层编码器和解码器对称分布构成，判别网络由全卷积网络构成，为了提高生成图像的清晰度，引入了一种新的对抗和平滑损失函数来优化整个网络。最后，通过大量实验表明，基于本文方法进行图像去雾取得了良好的效果，在结构相似度和峰值信噪比等评价指标以及主观视觉效果上优于已有的图像去雾方法。

随着人类社会的不断发展与科技的不断进步，人们已经进入了信息时代。无人机作为这个时代信息获取的独特载体，凭借自身优势，在航拍、农业、救灾防灾、野生动物观测、测绘、电力巡线、电影电视、新闻报道等领域都有很大的应用[1]。

但随着人类文明的不断发展和工业化进程，出现雾霾天气的概率大幅增加，无人机飞行作业时所搭载的载荷在采集图像时往往都会受到不同程度的雾气的干扰。空气中存在着一些小水珠和灰尘等小颗粒物，当这些颗粒物数量增多到一定程度时，就会对光线的传播造成影响，会吸收并散射一部分光线，肉眼可见时便形成了雾霾天气。这种对光线的吸收和散射作用，会使得无人机所搭载的载荷采集的图像成像质量变差，具体表现为清晰度下降、对比度和饱和度降低、动态范围变小、细节信息丢失等问题，导致视觉效果差， 后续难以有效提取和分析图像细节信息， 不能满足应用需求， 图1 为大气光衰减示意图。

Figure 1. Diagram of atmospheric light attenuation 图1. 大气光衰减示意图