《表2 图像Dolls采用不同算法去雾后评价指标结果》

  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

《混合残差学习与导向滤波算法在图像去雾中的应用》

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

在图5中，第1、3、5列为合成的不同程度的雾天图像，第2、4、6列为对应的本文算法的去雾效果图。由图5可看出，随着雾霾浓雾的增加，雾天图像的可见性和质量逐渐降低，PSNR值最低达到9.719 7dB，SSIM值最低达到0.565 5。本文提出的去雾算法不仅具有良好的视觉效果，而且对于每一幅恢复的清晰图像，PSNR值和SSIM值都有着较大的提高。PSNR值最高达到了31.951 8dB，SSIM值最高达到0.976 2。此外，在第1行中，由于图像具有较薄的雾，本文算法去雾结果对图像进行了增强，因此，评价指标值较低。最后两行中，由于图像具有较浓的雾，本文算法去雾结果的评价指标值有所下降，图像中有残留的薄雾出现，但对于对应的雾天图像，恢复的图像仍然具有一定的可见性，评价指标值和图像质量都有较大提高。综上所述，本文算法对不同程度雾天图像的去雾效果具有良好的性能，图像的对比度，可见性和图像质量有较大提升，具有一定的实用性。