PSNR/SSIM

最新推荐文章于 2023-01-20 17:26:42 发布
最新推荐文章于 2023-01-20 17:26:42 发布
阅读量769 收藏 7
点赞数 1
文章标签： 计算机视觉 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/w18226357716/article/details/123099651
版权

Method

会议名称

数据集

PSNR/SSIM

Domain Adaptation for Image Dehazing（图像去雾的域自适应算法）

[CVPR2020]

SOTS

27.76/0.93

Ultra-High-Definition Image Dehazing via Multi-Guided Bilateral Learning（基于多引导双边学习的超高清图像去雾

[CVPR2021]

4KID数据集

20.56/0.8823

[ECCV2020] HardGAN: A Haze-Aware RepresentationDistillation GAN for Single Image Dehazing（基于蒸馏GAN的单图像去雾）

[ECCV2020]

SOTS

34.34/0.9871

Visual Haze Removal by a Unified GenerativeAdversarial Network(基于生成式对抗网络的图像去雾）

[IEEE2019]

NYU２数据集

25.84/0.9214

Patch Map-Based Hybrid LearningDehazeNet for Single ImageHaze Removal（基于Patch Map的去雾网络）

[IEEE2020]

SOTS

25.01/0.9

Learning Aggregated Transmission Propagation Networks for Haze Removal and Beyond(学习聚合传播去雾网络)

[IEEE 2018]

NYU2数据集

15.89/0.76

Distilling Image Dehazing With Heterogeneous Task Imitation

[CVPR 2020]

SOTS

34.72/0.9845

Middlebury

17.27/0.8676

FD-GAN: Generative Adversarial Networks with Fusion- discriminator for Single Image Dehazing

[AAAI 2020]

SOTS

23.1529/0.9207

NTIRE’18

18.0684/0.7300

Fast Deep Multi-patch Hierarchical Network for Nonhomogeneous Image Dehazing

[CVPR 2020 ]

NH-HAZE

16.94/0.6177

You Only Look Yourself: Unsupervised and Untrained Single Image Dehazing Neural Network

[2020]

SOTS

19.41/0.8327

HSTS

23.82/0.9125

FFA-Net: Feature Fusion Attention Network for Single Image Dehazing

[AAAI 2020]

SOTS

Indoor:36.39/0.9886

Outdoor:33.57/0.9840

From Synthetic to Real Image Dehazing Collaborating with Unlabeled Real Data

[ACM MM 2021]

SOTS

29.42/0.97

Haze4K

28.53/0.96

HazeRD

18.55/0.85

Learning to Dehaze From Realistic Scene with A Fast Physics-based Dehazing Network

[2020]

RESIDE

30.33/0.9743

BidNet： Binocular Image Dehazing without Explicit Disparity Estimation

[CVPR2020]

Cityscapes数据集

25.6728/0.9451

Densely Connected Pyramid Dehazing Network

【CVPR2018】

NYU-depth2

    /0.9560

Middlebury stereo

/0.8746

PMS-Net: Robust Haze Removal Based on Patch Map for Single Images（基于单幅图像贴图的稳健除雾）

【CVPR2019)】

NYU-depth2

19.2121/0.8684

RESIDE

20.152/0.8775

Dense Scene Information Estimation Network for Dehazing

【CVPR2019】

NTIRE-2018-outdoor

24.4604/0.7932

NTIRE-2018-indoor

22.3247/0.8894

NTIRE-2019

17.1499/0.5395

Cycle-Dehaze: Enhanced CycleGAN for Single Image Dehazing

【CVPR2018】

I-HAZE

18.03/0.80

O-HAZE

19.92/0.64

Deep Multi-Model Fusion for Single-Image Dehazing

[ICCV 2019]

SOTS

34.29/0.9844

O-HAZE

25.188/0.777

Contrastive Learning for Compact Single Image Dehazing

[CVPR 2021]

SOTS

37.17/0.9901

NH-HAZE

19.88/0.7173

(PMS-Net: Robust Haze Removal Based on Patch Map for Single Images

[CVPR 2019]

NYU-depth2

19.2121/0.8684

RESIDE

20.152/0.8775

Bidirectional Deep Residual learning for Haze Removal

[CVPR 2019]

DIV2K

29.89/0.909

Deep Fusion Network for Single ImageHaze Removal

[IEEE-TIP2020]

SOTS

21.4375/0.8716

D-HAZE

17.2009/0.8621

OHI

24.1461/0.9121

Multi-Scale Deep Residual Learning-Based SingleImage Haze Removal via Image Decomposition

[IEEE-TIP2020]

SOTS

25.33/0.91

HSTS

26.23/0.80

OTS

26.53/0.85

啦啦啦啦啦啦.
关注
  • 1
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测算法——图像去雾开源数据集汇总（速速收藏）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
03-24 4577
🎄🎄近期，小海带在空闲之余收集整理了一批图像去雾开源数据集资源供大家参考。整理不易，小伙伴们记得一键三连喔！！！🎈🎈
深度学习天气照片数据集，分别包括clody，haze，sunrise，snow，shine，rain，thunder
08-05
深度学习天气照片数据集，分别包括clody，haze，sunrise，snow，shine，rain，thunder共7种天气数据集。 包括img_preprocess.py 预处理天气照片，缩放统一大小+修改名称 img_weather5.py 天气识别训练模型及验证文件 img_weather5_aug.py 升级版天气识别训练模型及验证文件，ImageDataGenerator扩充数据。使模型更好地推广。数据扩充涉及对现有训练数据添加随机旋转，平移，剪切和缩放比例。 img_minist1.py 数字识别（0-9） img_rgb2.py 彩色图片分类（'airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'） img_fashion3.py 服装分类（T恤/上衣', '裤子', '套头衫', '连衣裙', '外套','凉鞋', '衬衫', '运动鞋', '包', '短靴）
From Synthetic to Real: Image Dehazing Collaborating with Unlabeled Real Data从合成到真实：图像去杂化使用未标记的真实数
小菜鸟
04-01 875
Rethinking Performance Gains in Image Dehazing Networks
zhouaho2010的博客
01-20 2679
论文源码： https://download.csdn.net/download/zhouaho2010/87393184 Abstract图像去雾是低层视觉中的一个活跃话题，随着深度学习的快速发展，许多图像去雾网络被提出。尽管这些网络的工作良好，但提高图像去雾性能的关键机制仍不清楚。出于这个原因，我们不打算提出一个具有奇特模块的去雾网络；相反，我们对流行的U-Net进行最小的修改以获得紧凑的去雾网络。具体来说，我们将U-Net中的卷积块交换为具有门控机制的残差块，融合主路径的特征映射，并使用选择核跳过连接
From Synthetic to Real: Image Dehazing Collaborating with Unlabeled Real Data （ACMMM 2021）个人学习笔记
zhouaho2010的博客
02-21 961
摘要 单图像去雾是一项具有挑战性的任务，在合成训练数据和真实测试图像之间的域转换通常会导致现有方法的退化。为了解决这个问题，我们提出了一种新的图像去雾框架，与未标记的真实数据协作。首先，我们开发了一个分解图像去雾网络(DID-Net)，它根据雾霾形成过程的物理模型，将特征表示分解为潜在的无雾霾图像、传输图和全球大气光估计。我们的DID-Net通过跨尺度逐步整合特征来预测这三个组件地图，并通过一个独立的细化网络来细化每个地图。然后利用分解一致性平均教师网络(DMT-Net)对未标记的真实数据进行协作，以..
BidNet：无视差估计的双目图像去雾（CVPR2020)
zhangmeili_9的博客
01-15 3028
Binocular Image Dehazing，双目图像去雾，也就是左右双眼的两张图（相机同理），左上左下分别是左眼与右眼看到的带雾的图像，右上和右下分别是左眼和右眼去雾之后的结果。 左上：输入左雾图像。左下：输入右雾图像。右上：去雾左图像。右下：去雾右图像 也是基于雾天退化模型的去雾算法，根据已知的有雾图像求解出透射率和全局大气光 。 原理图如下： 图（a）双目图像去雾网络（BidNet）的总体架构。...
PSNR,SSIM.rar_PSNR_ssim
09-20
在图像处理和数字视频领域，PSNR（峰值信噪比）和SSIM（结构相似性指标）是两个非常重要的质量评估标准。它们被用来衡量图像或视频经过编码、压缩、传输或恢复后的质量。 PSNR（Peak Signal-to-Noise Ratio）峰值...
PSNR和SSIM-matlab实现
08-28
在图像处理领域，PSNR（峰值信噪比）和SSIM（结构相似性指数）是两种常见的质量评估指标，常用于衡量图像压缩、去噪、传输等操作后图像的质量。MATLAB作为强大的科学计算工具，提供了计算这两种指标的内置函数和用户...
psnr+ssim+mse.py
01-25
同时计算两幅图片的PSNR（峰值信噪比）及SSIM（结构相似性）及MSE（均方差），通过设置不同图片所在的文件夹位置来进行操作。将最终结果展示到终端界面。
官方PSNR和SSIM---matlab实现
12-01
PSNR（峰值信噪比）和SSIM（结构相似性指数）是衡量图像质量和损失的重要指标，尤其在图像压缩、传输和恢复等场景中广泛应用。本篇将详细介绍如何在MATLAB环境下，通过官方提供的函数以及自定义的方法，来实现对彩色...
Dense_Haze 浓雾数据集
09-24
CVPR 2019挑战赛Dense_Haze_NTIRE19 浓雾去雾数据集，含55张雾图像与对应的Ground Truth。CVPR 2019挑战赛Dense_Haze_NTIRE19 浓雾去雾数据集，含55张雾图像与对应的Ground Truth。CVPR 2019挑战赛Dense_Haze_NTIRE19 浓雾去雾数据集，含55张雾图像与对应的Ground Truth。CVPR 2019挑战赛Dense_Haze_NTIRE19 浓雾去雾数据集，含55张雾图像与对应的Ground Truth。
去雾算法数据集：NH-HAZE数据集
04-13
NH-HAZE数据集源于以下paper: [1] C.O. Ancuti, C. Ancuti, R. Timofte "NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and Haze-Free Images", IEEE CVPR NTIRE Workshop, 2020 [2] C.O. Ancuti, C. Ancuti, F.A. Vasluianu, R. Timofte et al. "NTIRE 2020 Challenge on NonHomogeneous Dehazing", IEEE CVPR NTIRE Workshop, 2020
Haze.Pck：Godot Engine PCK文件的.NET类库
02-26
阴霾 Haze.Pck是一个.NET类库，用于打包和解包Godot Engine PCK文件。 备注：此库旨在改善您自己的项目的工作流程（例如合并多个PCK，添加其他文件）。 您不应该拆包并窃取其他人的游戏资产。 样本 // open a pck file var pck = PckFile . Open ( " packed.pck " ); foreach ( var entry in pck . Entries ) { // print size and md5 Console . WriteLine ( $" { entry . Path } size: { entry . Size :#, 000 } md5: { entry . GetMD5String ()} " ); // open as stream // var stream = e
数字图形处理 验证均值滤波和中值滤波效果，并通过SNR\PSNR\SSIM三个参数对比
04-13
自己选择标准图像，对比验证均值和中值滤波的效果，通过SNR\PSNR\SSIM三个参数以图表形式给出对比结果。
《论文阅读》BidNet: Binocular Image Dehazing without Explicit Disparity Estimation
未知丶的博客
09-01 1230
留个笔记自用 BidNet: Binocular Image Dehazing without Explicit Disparity Estimation 做什么 Binocular Image Dehazing，双目图像去雾，也就是左右双眼的两张图（相机同理），左上左下分别是左眼与右眼看到的带雾的图像，右上和右下分别是左眼和右眼去雾之后的结果 做了什么 这里的I(x)表示雾化图像中每个像素x的值，J(x)表示清晰图像中每个像素x的值，t(x)表示透射率，A表示全局大气光 由此可见，图像去雾过程就是根据
【CVPR2020】文章、代码和数据链接
qq_36717487的博客
04-16 1108
Awesome-CVPR2020-Low-Level-Vision[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FyX9YiTI-1650081252263)(https://camo.githubusercontent.com/13c4e50d88df7178ae1882a203ed57b641674f94/68747470733a2f2f63646e2e7261776769742e636f6d2f73696e647265736f726875732f617765736f6d
去雪网络
jacke121的专栏
01-07 2408
https://github.com/weitingchen83/JSTASR-DesnowNet-ECCV-2020
Patch Map-Based Hybrid LearningDehazeNet for Single ImageHaze Removal（基于Patch Map的去雾网络，IEEE2020）
yanglong6666的博客
02-20 513
摘要：在雾霾环境中获取的图像通常存在能见度差和信息丢失的问题。因此，在本研究中，我们提出了一种基于patch-map的混合学习去雾网络，通过使用一种包含patch-map和双注意生成对抗网络的混合学习技术，将这两种学习策略结合起来。在这种方法中，分析了限制暗通道先验(DCP)性能的原因。定义了一种新的特征patch map，用于自适应地选择patch大小。可以有效地解决DCP的局限性(例如，颜色失真和无法恢复涉及白色场景的图像)。此外，为了进一步提高该方法的除霾性能，我们将基于patch-map的DCP嵌入
用网络求t图的几篇论文框架图
jie的博客
09-20 721
最近在找用网络求t图的论文及代码，写这篇博客的目的是为了作个记录，只放了流程图，具体方法及实现有时间了再慢慢补充 1.Densely Connected Pyramid Dehazing Network(DCPDN)（有代码） 2018,CVPR,He Zhang 2.Dense Scene Information Estimation Network for Dehazing( At AtJ)（有代码） 2019,CVPR,Tiantong Guo 3.《PMS-Net: Robust Haz
PSNR/SSIM是啥
最新发布
11-23
PSNR是峰值信噪比的缩写，是一种衡量图像压缩质量的标准。它是通过比较原始图像和压缩后的图像之间的均方误差来计算的。SSIM是结构相似性的缩写，是一种衡量两幅图像之间相似度的标准。它是通过比较两幅图像的亮度、对比度和结构来计算的。MSE是均方差的缩写，是一种衡量两幅图像之间差异的标准。它是通过计算两幅图像像素之间的平均差的平方来计算的。 以下是一个计算两幅图片的PSNR、SSIM和MSE的Python代码示例，其中需要使用OpenCV库和skimage库： ```python import cv2 import numpy as np from skimage.measure import compare_ssim # 读取两幅图片 img1 = cv2.imread('path/to/image1') img2 = cv2.imread('path/to/image2') # 计算PSNR mse = np.mean((img1 - img2) ** 2) if mse == 0: psnr = 100 else: psnr = 10 * np.log10(255.0**2 / mse) # 计算SSIM ssim = compare_ssim(img1, img2, multichannel=True) # 计算MSE mse = np.mean((img1 - img2) ** 2) # 输出结果 print("PSNR: ", psnr) print("SSIM: ", ssim) print("MSE: ", mse) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值