雾天图像清晰化方法研究的中期报告.docx

雾天图像清晰化方法研究的中期报告
一、综述
雾天对于计算机视觉应用来说是一大挑战。传统的图像处理方法往往无法有效地清晰化雾天图像。因此，许多研究人员致力于研究新的方法来解决这个问题。本研究中，我们选择了基于深度学习的方法来对雾天图像进行清晰化处理。
二、数据集
我们使用了CVPR2019中的O-HAZE和NTIRE2018中的HazyCity数据集。这两个数据集都包含有雾天图像以及对应的清晰图像。我们将这些数据集分成了训练集和测试集。训练集用于训练神经网络，测试集用于测试其性能。
三、方法
我们使用了基于深度学习的方法来清晰化雾天图像。具体来说，我们使用了一种称为CycleGAN的生成对抗网络。CycleGAN可以将输入图像从雾天图像转换为清晰图像，同时保留图像的风格和内容。
四、实验结果
我们对生成的图像和真实图像进行了对比。使用PSNR和SSIM两种指标进行性能测试。结果表明，我们的方法在O-HAZE数据集上达到了35.23dB的PSNR和0.9196的SSIM。在HazyCity数据集上，PSNR为32.36dB，SSIM为0.8911。这表明我们的方法可以有效地清晰化雾天图像。
五、总结和未来工作
本报告介绍了我们使用基于深度学习的方法来清晰化雾天图像的中期研究结果。结果表明，我们的方法可以有效地清晰化雾天图像。未来，我们将继续研究如何进一步提高性能和推广这种方法在更多的场景中使用。