Page 142 - 《软件学报》2021年第9期

2766 Journal of Software 软件学报 Vol.32, No.9, September 2021

特征转换的不够准确;而本文算法得分略高,原因在于不论色彩还是边缘,本文算法效果均突出,且没有块效应
的出现.
3.3.3 地图转换客观指标分析
同样采取 SAR 图像转换一样的问卷调查,对于 21 份回收结果进行分析——平均值及均方差,结果见表 4.
Table 4 Comparison of map conversion scores
表 4 地图转换得分对比
算法 Pix2pix CycleGAN DRPAN 本文算法
平均得分 2.672±0.908 2.475±0.977 3.754±0.888 3.984±1.041
由图像的得分可见:Pix2pix 和 CycleGAN 得分相近,均为中等分数,图像转换效果可圈可点,道路、草地等转
换也都较为准确;本文算法和 DRPAN 得分相近且略高,DRPAN 的色彩鲜艳,且分割完整,线条流畅;而本文算法
色彩较暗,分割完整,但在线条上更加笔直.
3.3.4 白天夜晚转换客观指标分析
同样采取 SAR 图像转换一样的问卷调查,对于 21 份回收结果进行分析——平均值及均方差,结果见表 5.

Table 5 Comparison of day-night conversion scores
表 5 白天夜晚转换得分对比
算法 Pix2pix CycleGAN DRPAN 本文算法
平均得分 3.572±0.858 3.268±0.624 3.682±0.988 3.768±0.909
由图像的得分可见:Pix2pix,DRPAN 和本文算法得分相近,且波动范围较大,夜晚图像转换效果可圈可点;
Pix2pix 和 DRPAN 在色彩与饱和度方面做得更好,本文算法则在纹理结构以及图像失真方面做得更好;
CycleGAN 算法在这一转换任务上表现较差,色彩上较为暗淡,图像的纹理结构也大多丢失.
4 结 论

本文介绍了基于生成对抗网络的图像场景转换算法的具体内容.首先介绍了算法的跨层连接生成器网络
设计、多尺度判决器网络设计以及损失函数的 4 种组合;接着对网络模块性能进行分析,从实验证明本文算法
设计的合理性;接着介绍实验的平台、硬件软件等,之后分别从主观效果和客观指标进行分析.在主观效果上,分
析了本文算法与其他基于生成对抗网络的图像转换算法对于场景转换的效果,包括雾霾场景转换、SAR 图像转
换、谷歌地图转换以及白天黑夜转换.在客观指标上,本文算法效果表现也略为突出.

References:
[1] Isola P, Zhu JY, Zhou T, et al. Image-to-image translation with conditional adversarial networks. In: Proc. of the IEEE Conf. on
Computer Vision and Pattern Recognition. 2017. 1125−1134.
[2] Ledig C, Theis L, Huszár F, et al. Photo-realistic single image super-resolution using a generative adversarial network. In: Proc. of
the IEEE Conf. on Computer Vision and Pattern Recognition. 2017. 4681−4690.
[3] Xiao JS, Liu EY, Zhu L, et al. Single image dehazing algorithm based on the learning of hazy layers. Acta Electronica Sinica,
2019,47(10):2142−2148 (in Chinese with English abstract).
[4] Zhang R, Isola P, Efros AA. Colorful image colorization. In: Leibe B, et al., eds. Proc. of the European Conf. on Computer Vision.
Cham: Springer, 2016. 649−666.
[5] Goodfellow IJ, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets. In: Advances in Neural Information Processing
Systems. 2014. 2672−2680.
[6] Wang C, Zheng H, Yu Z, et al. Discriminative region proposal adversarial networks for high-quality image-to-image translation. In:
Proc. of the European Conf. on Computer Vision. 2018. 770−785.