基于生成對抗網絡的圖像去霧算法研究

孫宏偉，潘 峰，羅 川

(西南交通大學希望學院 軌道交通學院，四川 成都 610400)

隨著深度學習的發展，許多基于神經網絡的去霧方法被提出來，它們大多是從大量訓練數據中提取特征并學習模糊和無模糊圖像對之間的映射。與上述傳統方法相比，基于卷積神經網絡(CNN)的方法試圖直接回歸中間傳輸圖或最終清晰圖像，并實現卓越的性能和穩定性。然而，由于缺乏真實世界的訓練數據和有效的經驗，很難精確地估計這些中間參數，不準確的估計將進一步降低數據性能。

Berman D等[1]提出了一種非局部路徑來表征清晰圖像。這些專門手工制作的經驗對于某些數據有很好效果，但對于其他數據效果有限。李加元[2]提出了一些改進措施，從圖像中分割出天空區域，然后分別對天空區域和非天空區域進行處理，從而避免色偏的發生。但當天空分割不準確時，容易造成去霧圖像在天空邊界處像素不協調的問題。為此，本文采用擴張卷積來覆蓋更多的相鄰像素，幫助獲得更精確的恢復結果。同時為了抵消擴張卷積固有的“網格偽影”現象，進行了平滑處理[3]。另外還加入了循環網絡約束作為網絡整體訓練方式，以證明它的重要性。為了驗證提議的有效性，將它與典型算法在去霧基準數據集上進行比較。實驗表明，所提出算法在定性和定量上都大大優于其他方法。

1 基于循環生成對抗網絡的去霧網絡設計

1.1 編碼-解碼結構的密集連接

在本文設計中，生成器的功能是從輸入的模糊圖像中生成清晰圖像，不需要有估計中間參數的階段，它可以通過特征在通道上的連接來實現特征重用，即可以充分利用從淺層到深層提取的所有特征。同時，不僅要去除霧霾，還要盡可能保留輸入圖像的結構和細節信息。如圖1所示，生成器包含編碼過程和解碼過程，編碼器包含三個密集塊，每個密集塊由一系列的卷積、批量歸一化(BN)和Relu層組成。經過池化操作后，特征圖的尺寸最終縮小到輸入大小的1/8。在解碼過程中，特征圖的大小逐漸恢復到原始分辨率。特別注意的是，密集連接部分的擴張卷積是經過平滑處理后的，這是為了避免像素漂移現象。引入對稱層的跳躍連接，通過向解碼器的對稱層提供特征映射，以突破解碼過程的信息瓶頸。

圖1 生成網絡結構圖

1.2 融合平滑擴張卷積的密集塊

在類似分割的深度預測任務中，主要矛盾之一是所需的多尺度上下文推理和下采樣時丟失的空間分辨率信息難以統一協調。使用擴張卷積便于解決這個問題，它支持感受野的指數擴展而不降低空間分辨率的大小。如圖2所示，對于圖2(a)，是一個3×3的標準卷積核，此時擴張率為1，感受野3×3。對于圖2(b)、圖2(c)，擴張率分別增大到2倍和4倍，卷積核仍然是3×3，但是感受野卻明顯增大，分別是7×7和15×15。由此可以發現，擴張卷積可以通過增加擴張率來聚合大尺度空間的上下文信息，能夠在保證網絡中參數量不變且不損失細節信息的前提下，可以獲得更大的感受野。感受野k的卷積如式(1)所示。

(1)

式(1)表示在一維情況下，f為給定的輸入，?代表向量的卷積算子，w(i)是常規卷積層，r是擴張率，當r=1時，擴張卷積將退化為常規卷積。為了以直觀的方式理解擴張卷積，我們可以將其視為在兩個相鄰權重之間插入r-1個零。通過這種方式，擴張卷積可以增加感受野大小從k個到r*(k-1)+1個，而不降低分辨率。

圖2 擴張卷積平滑處理示意圖

盡管擴張卷積能有效增大感受野，但會產生所謂的像素漂移問題[4]。解決它最直接的方法就是不使用擴張率連續相同的擴張卷積，但是這還不夠，因為如果擴張率是成倍數的，這個問題依然存在。提出兩個解決辦法：一是將擴張率設計成鋸齒狀結構，例如[1,2,5,1,2,5]的循環結構。二是我們設置的擴張率需要滿足式(2)。

Mi=max[Mi+1-2ri,Mi+1-2(Mi+1-ri),ri]

(2)

其中ri是i層的擴張率，Mi、Mi+1分別指在i層和i+1層允許的最大擴張率。那么假設總共有n層的話，默認Mn=rn。如果我們應用的卷積核為k×k，目標則是M2≤k，這樣至少可以用擴張率等于1(即常規卷積)的方式來覆蓋所有空洞。因此本文每一個密集塊的擴張率均采用(1,2,3,5)的設置。

1.3 鑒別器結構設計

鑒別網絡用于區分圖像是真是假，如圖3所示，其中的基本操作是卷積、批量歸一化和LeakyReLU函數激活。對于鑒別器的最后一層，將sigmoid函數應用于特征映射，以便概率分數可以被歸一化為[0,1]。

圖3 鑒別網絡結構

1.4 增強半循環訓練網絡

1.1小節和1.3小節分別給出了生成器網絡和鑒別器網絡結構。為了進一步確保GAN輸出(即G(x))與輸入數據x一致，更好的還原圖像信息，結合感知一致性損失(式4)和循環一致性損失(式5)增強循環根公式，以提高紋理信息恢復質量，引入了一個半環形循環結構進行訓練。如圖4所示。

圖4 增強的半循環網絡結構

(3)

其中ki是一個已知的模糊核，它在訓練有霧圖像過程中使用。在合成訓練數據時，同樣被用于從清晰圖像yi生成模糊圖像xi。?表示卷積算子。

在訓練階段使用L1范數正則化的感知一致性損失函數(式4)和像素損失函數(式5)，其中N

代表N個樣本：

(4)

(5)

為了使生成網絡學習過程更加穩定，降低訓練模型的復雜性，同樣使用L1正則化損失函數(6)來規范生成器G。

(6)

本文提出的目標函數如式(7)所示。

(7)

最后通過求解下式來訓練G、D和D*模型如式(8)所示。

(8)

其中λ、γ和μ是權重參數。為了使訓練過程穩定，本文在這項工作中使用了LA中的最小二乘GAN損失。

2 實驗

2.1 數據集

使用NYU2深度數據庫的實況圖像[5]，與其生成的相應霧霾圖像作為訓練樣本，原始的清晰圖像作為目標圖像。訓練時，隨機選取其中的6000對圖像作為訓練集，網絡訓練迭代300000次。另外使用基準數據集RESIDE[6]作為測試集對網絡模型進行評估。把測試結果人為分成室內和室外兩種區域以展示模型的泛化能力。

2.2 去霧模型訓練

3 結果對比與分析

3.1 評價指標

本文采用兩個廣泛使用的績效測量指標進行定量評估：全參考指標峰值信噪比(PSNR)和結構相似性度量(SSIM)。PSNR是最常用和最廣泛使用的圖像質量客觀評價標準之一。給定兩個圖像Xin和Xout，它們之間的PSNR如式(9)所示。

(9)

其中Xin代表輸入參考圖像，Xout代表生成的待評價圖像。PSNR數值越大，圖像失真就越小，去霧效果越完美。

另一個是結構相似性(SSIM)，它被認為與人類視覺系統(HVS)的質量感知相關。它分別從亮度、對比度、結構三方面度量圖像相似性。SSIM如式(10)所示。

(10)

為了充分驗證本文網絡效果，不同先進算法用于定量評估:He[7]算法，FDNet[8]和GCANet[9]。比較結果如表1所示(其中最好效果用粗字體標出)。

表1 與經典去霧方法在SOTS比較結果

3.2 收斂性、魯棒性和敏感性分析

收斂性分析。由于本文方法需要聯合訓練生成網絡和判別網絡，一個與之相關的疑問是它們是否能夠很好收斂[10]。從圖5(a)可以看出，采用SOTS測試集的情況下，該方法在PSNR方面200個epoch內收斂得很好。雖然在訓練階段使用多個鑒別器可能會增加復雜性[11]。但是結果表明,相比BaseGAN算法用一個鑒別器和生成器[12]，本文提出模型會使訓練過程更加穩定,和更好的收斂性能。

魯棒性分析。為了驗證所提出方法對圖像噪聲的抗干擾性，使用SOTS數據集中100幅圖像進行評估。并對每個樣本都添加了0%至5%隨機噪聲。圖5(b)顯示，即使在噪聲水平較高時，所提出方法也表現良好。

敏感性分析。由對1.4節中不同損失函數重要性的分析可知，在目標函數(8)中，權重參數λ對圖像恢復任務尤為重要。利用SOTS測試數據集來分析該參數效果，在保持其余權重γ和μ不變的情況下，將λ值設置為20到100，步長為10。從表2中可以看出，當λ設置在[40,80]范圍內時，顯示性能較好，當該參數設置為60時，性能表現最好。

(a)

(b)

表2 關于權重參數λ的敏感性分析

3.3 多模塊組件作用分析

為了了解提出算法中每個組件的重要性，本節針對幾個重要模塊進行討論分析：擴張卷積有/沒有采用平滑處理，有/沒有鑒別器D*加入，和平滑模塊數量的影響。由理論1.4節中可知，缺少鑒別網絡D*時去霧效果不徹底，沒有經過平滑處理的擴張卷積會有較嚴重的偽影和顏色偏移[13]。相比之下，本文去霧算法能夠保持更好的顏色保真度。定量分析見表3所示。

進一步考慮到平滑模塊數量對去霧任務的影響，把平滑模塊數量從2設置到10進行評估，每個平滑模塊包含有擴張率為(1,2,3,5)的4個平滑卷積。表4表明，所提出方法對平滑塊的數量不敏感。根據經驗，本文使用4個平滑塊作為準確性和速度之間的權衡。

表3 不同配置下每個組件的消融分析

表4 不同平滑塊對去霧任務的影響(SM代表平滑塊數量)

4 結論

本文提出了一種端到端受約束的半循環GAN圖像去霧算法。為了保證最終估計結果能夠真實還原原圖像信息，采用密集連接模塊在生成網絡中，來增強特征利用率[14]，并同時在訓練過程中加入模型約束。此外，為了消除像素漂移，對每一個擴張卷積都進行了平滑處理。盡管所提出方法簡單，但它克服了目前神經網絡在上下文聚合信息時遇到的瓶頸問題。大量實驗研究表明，所提出算法在圖像去霧任務上可以獲得良好效果，且具有優秀的魯棒性和收斂性。