单图像去雾与水下光场去散射技术解析
1. 单图像去雾技术
1.1 运行时间与参数分析
对当前先进的单图像去雾方法进行了复杂度和计算效率评估。在包含五百张 620×460 图像的 RESIDE - ITS 数据集上开展实验。其中,DCP、DehazeNet 和 PQC 在 CPU 上实现,其他基于深度学习的方法在 GPU 上实现。
| 方法 | 运行设备 | 平均运行时间 | 参数数量 |
|---|---|---|---|
| 我们的方法 | - | 约 0.38s(处理 620×460 图像) | - |
| AOD - Net | - | - | - |
| EPDN | - | - | - |
我们的方法处理 620×460 大小的图像约需 0.38 秒,除 AOD - Net 和 EPDN 外,与其他基于深度学习的方法效率相当,且保持了轻量级的框架。
1.2 基于 Retinex 的深度网络去雾方法
提出了一种用于图像去雾的深度 Retinex 网络。该方法不仅避免了与简
订阅专栏 解锁全文
705



被折叠的 条评论
为什么被折叠?



