《表1 不同算法去雾效果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于图像识别的液压支架护帮板收回状态监测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

定量评价采用峰值信噪比（PSNR）、结构化相似度（SSIM）、文献[20]中提出的新增可见边e（可见边的规范化梯度均值为r-）、饱和黑色或白色像素点的百分比σ等评价指标。PSNR反映的是增强后图像的失真程度，其值越大，失真程度越低；SSIM可衡量原图像和去雾图像的结构相似性；一般来说，e，r-值越大，σ越小，说明细节保持和图像去雾效果好。不同算法去雾效果比较见表1。由表1的评价参数可以得出，文献[9]和本文暗通道先验算法的PSNR，SSIM值较小，失真较大，且文献[9]算法运行时间较长；从4种算法的e，r-值来看，去雾图像的新增可见边和梯度都得到了不同程度的提高，文献[9]和本文暗通道方法由于失真较大，导致e，σ值较大，图像去雾不均衡，综合效果较差；导向滤波MSR算法在保真方面有较好的表现，但去雾效果较差；经过小波融合后的图像PSNR、SSIM值较大，保真度高，e，r-和σ三值的平衡性较好，r-值得到了提高，增加了去雾图像的清晰度、对比度，且边缘细节突出，运行时间较短，综合效果比较好，有利于图像的提取、识别。