一种基于改进CycleGAN的森林火灾烟雾图像生成方法及系统

本发明涉及一种基于改进CycleGAN的森林火灾烟雾图像生成方法及系统，属于森林消防安全技术、深度学习技术和计算机视觉辨识技术的交叉领域。其能够在没有成对的有雾图‑无雾图的情况下学习雾的潜在分布规律，合成对应并输出与输入无雾图像对应的有雾图像。模型采用CycleGAN的框架，使用双分支生成器合成有雾图像，并引入大气散射模型的物理公式、密集残差模块与双路注意力模块，优化了特征重构损失、对抗损失和特征匹配损失的训练方案。生成像素‑像素对应的有强烈物理约束的成对图像并提升了生成图像的精度。该林火烟雾图像非成对图像的生成方法为解决近年来图像去雾任务中的优质成对数据集难以获取的问题，提供了有效的解决办法。