《表5 不同算法在Rain12和本地数据集上测试结果对比》
注:加粗字体为各列最优结果。
为验证SKRF网络的有效性,与两个传统算法DSC(discriminative sparse coding)(Luo等,2015)和LP(layer priors)(Li等,2016)、两种基于深度学习的算法DT(Detail Net)(Fu等,2017)和DR(deraining convolution neural network,DRCNN)(Wang等,2018)进行对比,在Rain12和本地数据集上的测试结果如表5所示。从最终测试结果可以看出,本文方法在两个数据集上均取得最优值,证明了本文算法的优越性。
图表编号 | XD00215906800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.16 |
作者 | 王美华、何海君、李超 |
绘制单位 | 华南农业大学数学与信息学院、华南农业大学数学与信息学院、华南农业大学数学与信息学院 |
更多格式 | 高清、无水印(增值服务) |