《表2 不同模型的SSIM、PSNR值》

  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

《结合FC-DenseNet和WGAN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

表2中的数据是在合成测试数据集中计算的，合成测试集与训练集相似度很高，致使两种评价指标的值都比较高。本文在真实场景下对模型的泛化能力进行评估，由于model＿1与model＿2的去雾结果相差不大，本文只选取model＿2进行实验对比，实现结果如图7所示。通过对比不难发现，从整体上看，三个模型均有不错的去雾效果。但是，未使用生成对抗网络的model＿2生成的图像颜色比较深，出现少许颜色失真。而使用WGAN对网络进行优化后的model＿3生成图像更为逼真，但出现了一些细节信息丢失的情况。而本文模型通过使用感知损失，获得了细节更加丰富的图像去雾效果。总体上说，本文提出的模型泛化能力强，去雾效果更优。