Page 139 - 《软件学报》2021年第9期

肖进胜 等:面向图像场景转换的改进型生成对抗网络 2763

Fig.7 Comparison of SAR image synthesis results
图 7 SAR 图像合成结果对比
3.2.2 图像加雾
[6]
[1]
图 8 是分别利用 GAN 算法在本文的训练集下的效果,对比算法包括 Pix2pix ,CycleGAN [21] ,DRPAN 和软
件加雾效果.
由图 8 可见:Pix2pix 处理后图像呈现加雾效果,且图像的内容较为清晰,细节没有丢失,但图像加雾后导致
图像的整体色彩有偏差(从树干部分可以看出);CycleGAN 效果则最差,内容模糊,色彩严重失真,其整幅图像色
彩有偏差;软件加雾效果与本文效果十分相近,加雾均匀,雾的颜色没有偏差,且图像的细节保留较好;DRPAN 效
果则略差,整幅图像虽然色彩鲜艳度有所下降,但是其图像较模糊,尤其图像上方树干、树叶部分,没有边界,十分
模糊.

Fig.8 Comparison of imagehazing results
图 8 加雾结果对比
3.2.3 卫星图像到地图转换
[1]
同时,本文测试了卫星图像到地图的转换,训练集和测试集采用 Pix2pix 的公共训练集,并测试了本文算法
[6]
[1]
与其他基于生成对抗网络算法的转换效果.对比算法包括 Pix2pix 、CycleGAN [21] 和 DRPAN ,如图 9 所示.
从整体来看,均能生成类似地图效果的图像较为逼真.DRPAN 算法对图像进行的增强处理,对比度较强,但
不影响整体的比较.Pix2pix 中,对于左下草坪区域大部分能够恢复出来,且草坪与道路相连的虚线框中区域、道
路恢复得比较直,同时,最下面的湖水区域边界明显,而对于草坪中的小路则出现内容缺失;而 CycleGAN 算法对
于草坪区域均不能够着色,草坪与道路相接的虚线框中虽然能够恢复道路,但道路不直且没有连贯,而对于草坪