Page 140 - 《软件学报》2021年第9期

2764 Journal of Software 软件学报 Vol.32, No.9, September 2021

中的小路同样没有转换成功;DRPAN 算法对于湖水、草坪、草坪间的小路均明显地生成,但草坪与道路相接的
区域,道路的内容模糊缺失;本文算法能够生成草坪与道路之间的路,且道路较连贯,对于草坪区域、湖的区域则
着色不均,也有所缺失.

Fig.9 Comparison of map synthesis results
图 9 地图合成结果对比
3.2.4 白天到黑夜转换
[1]
在本节中,本文对白天到黑夜的转换进行了训练和测试,如图 10 所示.训练集同样来自 Pix2pix .同时,在训
练测试过程中发现:本文算法在该训练集下,判决器个数设置为 1 时效果更好.考虑到是由于 input 和 label 并不
完全匹配,数据集的图像虽然为同一地点同一位置,但仍有不同:一是拍摄时间不同,二是其他内容不同,比如马
路上的车辆个数和位置、季节变化等的差异,而采用多个多尺度判决器原本目的是对于图像细节进行矫正,但
在白天黑夜转换中则应该忽略掉小的细节上的差异,并对这些差异有所保留.
从图 10 中可见,本文算法生成图像的内容基本不变,但对于天空区域则均变为黑色,埃菲尔铁塔则亮起了
灯.视觉效果上,pix2pix 和 DRPAN 算法生成的黑夜图更接近真实的夜晚图像,即色彩和亮度上的相似性,但是图
很明显地出现了块效应,尤其是在天空与地面的交界处.图 CycleGAN 生成的图像下沿即建筑物区域一片模糊,
很明显没有转换成功.而本文提出的算法虽然在色彩和亮度上没有更接近与真实夜晚图,但是生成的图片减少
了块效应,很好地保持了纹理结构,且更具真实感.

Fig.10 Comparison of night image synthesis results
图 10 夜晚场景合成结果对比