👨🎓个人主页:研学社的博客
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
文献来源:
该文提出一种改善具有雾化效果的图像的算法。通常,基于暗通道先验的去雾方法利用两个不同的阶段来计算输入图像的传输图。这些阶段是传输图估计和传输图细化。然而,这些策略的主要缺点是精确恢复和计算时间之间的权衡。该方法使用多层感知器直接从最小通道计算传输图,并使用对比度拉伸技术来提高恢复图像的动态范围。多层感知器使用80张图像的训练集根据均方误差进行训练。为了评估恢复质量,使用了峰值信噪比(PSNR)和结构相似性(SSIM)指数的指标。实验结果表明,与18种最先进的去雾方法相比,所提方法在恢复质量方面具有优越的性能(PSNR = 77.0,SSIM指数= 8454.0)。此外,基于所提方法实现的平均计算时间(使用52张图像的测试集为46.<> s),它非常适合实时应用。
原文摘要:
Abstract
📚2 运行结果
图片可换自己需要的图片:
部分代码:
%%可视化
figure(1)
subplot(2,2,1)
imagesc(image);
title('Input image')
axis off
subplot(2,2,2)
imagesc(recovered_image);
title('Recovered image')
axis off
subplot(2,2,3)
imagesc(ind2rgb(uint8(initial_trans*255), jet(256)));
title('Initial transmission')
axis off
subplot(2,2,4)
imagesc(ind2rgb(uint8(final_trans*255), jet(256)));
title('MLP estimated transmission')
axis off
end
🎉3 参考文献
部分理论来源于网络,如有侵权请联系删除。
[1]Sebastián Salazar-Colores, Ivan Cruz-Aceves, and Juan-Manuel Ramos-Arreguin "Single image dehazing using a multilayer perceptron," Journal of Electronic Imaging 27(4), 043022 (25 July 2018). Single image dehazing using a multilayer perceptron