Page 141 - 《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 2765

3.3 客观指标分析
3.3.1 图像加雾客观指标分析
首先,Choi 等人 [30] 计算雾浓度用了算法 FADE(fog aware density evaluator),利用该算法对本文 40 张测试集
分别求出雾浓度指标.雾浓度结果见表 1.指标越高,说明雾浓度越大.计算了 40 张图的平均值及均方差,并对比
无雾图像、CycleGAN、Pix2pix、DRPAN 和软件加雾效果.

Table 1 Comparison of FADE indicators
表 1 FADE 指标对比

图像 无雾图像 CycleGAN Pix2pix DRPAN 软件加雾 本文算法
平均指标 0.230±0.116 0.736±0.431 0.689±0.348 0.459±0.250 0.670±0.412 0.634±0.410
由表 1 可见:在利用 Pix2pix、CycleGAN、DRPAN、软件加雾和本文算法处理后,图像的 fog density 指标
明显上升,相对 DRPAN 加雾程度最低,CycleGAN 程度最高.Pix2pix 和本文算法以及软件加雾的加雾程度相近.
这也与主观效果相似.CycleGAN 之所以该项指标更高,也是由于图像色彩较少,整体图像色彩偏黄绿色.
本文也采用 PSNR 和 SSIM [31] 指标对进行真实图像定性对比分析.PNSR 值越高,说明生成图像与原图更加
相似,失真越少.当 SSIM 值越接近 1 时,则生成图像与原图的结构越相近,表明生成图像效果越好.对比结果见表
2,将原始图像做基准图像,分别对本文算法加雾结果,将本文算法得到的加雾图像利用 DCP 算法得到去雾图像
求 PSNR 和 SSIM 指标.在表 2 中,对 40 张测试图的 PSNR 和 SSIM 进行统计,其平均值和均方差结果如下.
Table 2 Comparison of PSNR and SSIM indicators
表 2 PSNR 和 SSIM 指标对比
图像 DCP 去雾 CycleGAN Pix2pix DRPAN 软件加雾 本文算法
PSNR 19.231±2.157 12.703±1.708 13.830±0.690 17.211±2.541 13.611±1.147 14.760±0.733
SSIM 0.789±0.052 0.349±0.084 0.752±0.074 0.809±0.082 0.782±0.075 0.725±0.062
由表 2 分析 PSNR 和 SSIM.首先,本文算法在进行去雾后,图像的 PSNR 值明显上升,其中,红色为本文加雾
后结果,深蓝色为本文算法的结果进行去雾后的效果.同时,本文算法和软件加雾以及 Pix2pix 算法在对图像进
行加雾后,图像的 PSNR 值基本维持在一定范围内波动较小,而 DRPAN 和 CycleGAN 波动较大,则证明 DRPAN
和 CycleGAN 算法加雾效果较差.这一点,从主观效果中也能够明显体现.而 CycleGAN 在几个加雾算法中 PSNR
值基本最低,也是由于该算法生成的图像内容出现误差和缺失.而 DRPAN 的 PSNR 值整体偏高,并非该算法的
加雾效果好,而是证明该算法更与无雾图像接近,也即加雾效果并不明显.
SSIM 指标只能做参考,因为去雾算法并不能够实现完全去雾,且任何去雾算法或多或少都会出现雾的残
留、块效应、光晕、天空色彩失真等现象.而本文算法的结果在进行去雾之后,SSIM 指标有所上升.CycleGAN
算法的 SSIM 指标则十分低,说明生成图像的内容与输入图像差别较大;其余 4 个方法的加雾效果则基本维持在
同一个水平.相比之下,DRPAN 的 SSIM 值较高,因为其与输入图像相近.
3.3.2 SAR 图像转换客观指标分析
[1]
在 Pix2pix 算法中,对于图像转换后生成的图像采取人为进行观察评价的方法.于是,本文对 SAR图像转换
以及地图转换进行调查问卷调查,对多种算法进行对比,并对图像的真实程度评分(未给出真实图像),当生成图
像越真实,真假难辨评分越高.最高 5 分,最终在随机人群中回收到的 21 份问卷评分统计结果见表 3.
Table 3 Comparison of SAR image conversion scores
表 3 SAR 图像转换得分对比
算法 CycleGAN MUNIT Pix2pix 本文算法
平均得分 2.964±1.142 1.205±0.462 3.181±0.926 4.193±0.634
由结果可见:MUNIT 得分最低,主要是由于其图像的边缘基本都难以分辨;CycleGAN 得分仅比 Pix2pix 略
低,原因在于 CycleGAN 能够保留较为清晰和准确的图像边缘,图像整体也呈现灰白色彩,但其对于 SAR 图像的