应用光学, 2020, 41 (1): 94, 网络出版: 2021-06-18  

基于对偶学习的图像去雾网络

Image defogging network based on dual learning
作者单位
安徽大学 电气工程与自动化学院,安徽 合肥 230000
图 & 表

图 1. 对偶去雾网络的整体结构

Fig. 1. Overall structure of dual defogging network

下载图片 查看原文

图 2. I-HAZE数据集上的视觉效果对比

Fig. 2. Visual effect comparison of I-HAZE data set

下载图片 查看原文

图 3. O-HAZE数据集上的视觉效果对比

Fig. 3. Visual effect comparison of O-HAZE data set

下载图片 查看原文

图 4. D-HAZE数据集上的视觉效果对比

Fig. 4. Visual effect comparison of D-HAZE data set

下载图片 查看原文

表 1I-HAZE实验结果

Table1. Results of I-HAZE

指标HeZhuYi本文
PSNR15.2812.3216.4417.29
SSIM0.610.570.520.61
CD17.1719.3813.2111.47

查看原文

表 2O-HAZE实验结果

Table2. Results of O-HAZE

指标HeZhuYi本文
PSNR16.5815.1717.0418.17
SSIM0.630.650.540.65
CD20.7416.3113.5112.23

查看原文

表 3D-HAZE实验结果

Table3. Results of D-HAZE

指标HeZhuEnginYi本文
PSNR10.9812.7815.4112.2513.08
SSIM0.640.630.660.610.64
CD18.2215.1115.1214.6213.05

查看原文

丛晓峰, 章军, 胡强. 基于对偶学习的图像去雾网络[J]. 应用光学, 2020, 41(1): 94. Xiaofeng CONG, Jun ZHANG, Qiang HU. Image defogging network based on dual learning[J]. Journal of Applied Optics, 2020, 41(1): 94.

引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!