摘要
烟雾作为现代战争中最常见的作战产物,不可避免地会降低作战场景的可视性,进而影响下游军事智能系统的性能,因此对含烟图像进行复原处理非常重要,现有算法通常忽略图像中高阶的语义信息和降质图像本身都可以为提高网络去烟能力提供有价值的监督信息.为此,提出一种基于语义引导和对比学习的生成对抗网络来去除战场图像中的烟雾.通过在低阶视觉任务中融入高阶语义特征,将语义信息作为引导帮助网络更好地恢复图像的结构和色彩信息;利用对比学习范式将清晰和含烟图像构建为正、负样本,并采用对比约束使去烟后的图像与清晰图像接近,并远离含烟图像.此外,为模拟真实的战场含烟场景,首次构建一套含烟战场数据集,推进了相关研究的发展.实验结果表明,与现有图像去烟算法相比,所提方法在定量和定性指标上均达到了先进水平.
维普
万方数据