《表3 不同雾浓度的合成有雾图像的全参考质量指标比较》
为了对比去雾算法在不同浓度有雾图像上的去雾性能,将SOTS测试集根据大气散射系数β和全局大气光A的范围划分为淡雾图像、中雾图像和浓雾图像三个子集。表3列出了各种算法在三个子集上的全参考质量指标,多数算法在淡雾图像和中雾图像上性能较好。例如:DehazeNet和AOD-Net均取得了较高的指标。本算法在淡雾图像和中雾图像上的PSNR和SSIM排在10种算法的首位。然而在处理浓雾图像时,多数算法去雾图像的颜色和对比度偏离真实图像,难以完整地恢复图像细节。通过表3中最后两行数据可知,多数算法在浓雾图上的性能指标均有所下降,然而,本算法在浓雾图上仍能保持良好的去雾性能,PSNR值为24.40dB,SSIM值为0.9381。相比之下,本算法通过对多尺度特征的融合有利于恢复被浓雾遮挡的图像细节,在处理不同浓度的有雾图像时均能获得非常好的去雾效果。
图表编号 | XD00162236000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 刘宇航、吴帅 |
绘制单位 | 天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |