《表1 合成有雾图的全参考质量指标比较》

  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

《基于多尺度融合和对抗训练的图像去雾算法》

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

为了对各种算法的去雾性能进行定性分析，从SOTS测试集中选出三张浓雾图像进行实验，结果如图5所示，使用不同的算法分别对为厨房、钢琴和餐桌有雾图像进行处理。图5(a）为合成的有雾图像，图5(b）～图5(k）分别为经DCP[3]、FVR[27]、BCCR[4]、GRM[28]、CAP[5]、NLD[2]、DehazeNet[6]、MSCNN[7]、AOD-Net[8]和本算法处理后的去雾图像，图5(l）为真实的无雾图像。由图5可知，去雾图像中主要存在过度去雾、去雾不彻底以及颜色失真等问题。如：图5(b）和图5(d）所示结果均存在过度去雾的问题，去雾图像颜色较深，钢琴及其附近墙面颜色发黑，这是由于过高估计雾霾浓度导致的过度去雾；图5(b）、图5(c）、图5(d）和图5(g）中均存在颜色失真问题；图5(c）、图5(f）、图5(h）～图5(j）中存在去雾不彻底的现象，均有不同程度的残余雾霾。与其他算法相比，本算法采用不同尺度的鉴别器进行对抗训练，避免了生成器不考虑去雾图像的视觉质量而单纯去雾的情况，在去雾彻底的基础上还保证了去雾图像视觉上的真实性。由图5(k）可知，本算法的去雾程度适中，较好地恢复了边缘和细节，在视觉上与图5(l）中的真实无雾图更接近。