《表1 定量分析：基于融合稀疏模型的引导单幅图像去雨算法》
提示：宽带有限、当前游客访问压缩模式
表1中的实验数据表明，本文算法的SSIM，PSNR值均高于对比算法值，说明本文得到的去雨结果图与真实无雨图最为近似，且运行时间相对较短。
| 图表编号 | XD00129823300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.20 |
| 作者 | 王科平、蔡凯利、杨少沛、杨艺 |
| 绘制单位 | 河南理工大学电气工程与自动化学院、河南理工大学电气工程与自动化学院、黄河交通学院、河南理工大学电气工程与自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 文献支持基金统计：自适应卷积的残差修正单幅图像去雨》2020.12.16
- 《表1 原风机的主要参数：自适应卷积的残差修正单幅图像去雨》2020.12.16
- 《表1 算法参数：微生物图像的非局部主成分分析稀疏泊松去噪》2021.03.01
- 《表2 各算法的AG对比：基于超像素分割和暗亮通道结合的单幅图像去雾》2020.08.25
- 《表1 不同算法的对比：基于超像素分割和暗亮通道结合的单幅图像去雾》2020.08.25
- 《表3 模型的计算复杂度：融合反馈机制的姿态引导人物图像生成》2020.07.25
- 《表3 不同算法去雾结果：基于暗通道的单幅图像雾天低能见度检测算法》2020.03.30
- 《表2 能见度计算结果：基于暗通道的单幅图像雾天低能见度检测算法》2020.03.30
- 《表1 雾天天气分类：基于暗通道的单幅图像雾天低能见度检测算法》2020.03.30
- 《表2 参数设定：基于稀疏表示的高光谱图像解混算法研究》2020.07.25
- 《表1 客观指标比较：结合高斯滤波和导向滤波的单幅图像去雾算法》2020.01.01
- 《表2 实验环境配置：基于深度学习的单幅图像三维重建算法》2020.01.01
- 《表5 测试结果：一种基于生成对抗网络的单幅图像去雾算法》2019.10.05
- 《表1 算法性能：基于亮度校正的航拍图像拼接融合算法》2019.06.01
- 《表1 客观指标对比：基于景深和稀疏编码的图像去雨算法》2019.09.01
- 《表1 算法效果比较表：一种基于分组稀疏编码的复数图像降噪算法》2019.09.01
- 《表1 多尺度卷积参数：基于深度学习的单幅图像去雾算法》2019.06.10
- 《表1 采用自适应梯度稀疏模型的图像去模糊算法步骤》2019.02.16
- 《表2 超分辨率平均耗时：基于稀疏贝叶斯估计的单图像超分辨率算法》2019.02.01
- 《表2 回归算法结果比较：基于多模型融合的高光谱图像质量评价》2019.01.25