《表3 不同雾浓度的合成有雾图像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。