《表3 本文方法与文献[1,14,15]方法在筛选数据集上的评价指标对比》

  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

《基于多阶段生成对抗网络的单幅图像阴影去除方法》

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

在筛选数据集[14-15]上，将本文方法与文献[1]方法、文献[14]方法、文献[15]方法进行量化评估，结果如表3所示；在SRD[14]数据集和ISTD[15]数据集上，分别将本文方法与文献[21]方法、文献[15]方法进行量化评估，如表4、5所示。本文将图像从阴影区域、非阴影区域以及整体区域进行量化分析。首先，针对阴影检测性能，表3中的平衡误差率越低表示阴影检测越准确，相较于文献[15]方法，本文方法可以将图像整体误差率进一步降低4.39%。其次，RMSE越小说明阴影去除图像与真实无阴影图像之间的误差越小，SSIM越大说明阴影去除图像从结构上与真实无阴影图像之间更为相似。根据表3，在筛选数据集[14-15]上，相较于文献[15]方法，本文方法在RMSE上降低了13.32%，在结构相似性上提高了0.44%；根据表4，在SRD[14]数据集上，相较于文献[21]方法，本文方法在RMSE上降低了18.07%，在结构相似性上提高了0.65%；根据表5，在ISTD[15]数据集上，相较于文献[15]方法，本文方法在RMSE上降低了10.57%，在结构相似性上提高了0.21%。纵向比较表3与表5中文献[15]方法的RMSE和SSIM的值，同样可以发现通过筛选数据集降低数据集的误差可以小幅度提升阴影去除的性能。