《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》
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。
图表编号 | XD00165390700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 孙斌、雎青青、桑庆兵 |
绘制单位 | 江南大学物联网工程学院、江南大学物联网工程学院、江南大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |