In this paper we introduce a novel approach to restore asingle image d的中文翻譯

In this paper we introduce a novel

In this paper we introduce a novel approach to restore a
single image degraded by atmospheric phenomena such as fog or haze.
The presented algorithm allows for fast identification of hazy regions
of an image, without making use of expensive optimization and refinement
procedures. By applying a single per pixel operation on the original
image, we produce a ’semi-inverse’ of the image. Based on the hue disparity
between the original image and its semi-inverse, we are then able
to identify hazy regions on a per pixel basis. This enables for a simple
estimation of the airlight constant and the transmission map. Our approach
is based on an extensive study on a large data set of images,
and validated based on a metric that measures the contrast but also
the structural changes. The algorithm is straightforward and performs
faster than existing strategies while yielding comparative and even better
results. We also provide a comparative evaluation against other recent
single image dehazing methods, demonstrating the efficiency and utility
of our approach.
0/5000
原始語言: -
目標語言: -
結果 (中文) 1: [復制]
復制成功!
在本文中,我们介绍一种新的方法来恢复受大气现象,如雾或霾降级一个
单个图像。
该算法可以快速识别朦胧地区的
的图像,而不进行昂贵的优化和细化
程序使用。通过施加一个每像素操作的原始
图像上,产生的图像的“半逆'。基于所述色调视差
原始图像和其半逆之间,我们就能够
来识别在每个像素的基础上朦胧的区域。这使得一个简单的
估计的空气光常数和传输地图。我们的方法
是基于对图像的大数据集的广泛研究中,
和基于测量的对比度,而且
的结构变化的度量验证。算法很简单,并且执行
比现有的战略更快,同时产生比较,甚至更好
结果。我们还提供针对近期
单等图像去雾方法进行比较评价,证明了我们方法的有效性和实用性
正在翻譯中..
結果 (中文) 2:[復制]
復制成功!
在本文中,我们引入了一个新的恢复
单一的形象,如雾或霾的大气现象的降解途径。
算法允许朦胧的地区
图像的快速识别,而不使用昂贵的优化和细化
程序。通过一个每像素操作对原始
图像,我们生产的半逆'的形象。基于原始图像和半逆之间的差距
色调,我们就能
识别每一个像素的基础上模糊的区域。这使得一个简单的
光常数的估计和传输地图。我们的方法
是基于对大数据集的图像,一个广泛的研究,
和验证基于度量的测量的对比也
结构变化。该算法简单,执行速度
比现有的策略,同时产生更好的
结果比较。我们还提供了与其他最近的
单幅图像去雾方法的比较评价,证明我们的方法的效率和实用
正在翻譯中..
結果 (中文) 3:[復制]
復制成功!
在本文中我们介绍还原的新方法
单个图像退化的大气现象,如雾或霾
提出的算法允许快速识别的朦胧地区
的图像,制作不使用昂贵的优化和细化的
程序。通过应用每个像素操作在原始单
形象,我们生产的 '半逆' 的形象。基于色调的差距
在原始图像和其半逆,之间,然后,我们可以
来标识朦胧区域在每个像素的基础上。这使一个简单
airlight 常数与传输地图的估计。我们的做法
基于大型数据集的图像,广泛研究
和验证基于一个指标,衡量对比但也
的结构变化。该算法是直接和执行
比现有的战略,同时产生对比和更好更快
结果。我们还提供对其他最近比较评价
dehazing 方法,展示的效率和实用程序的单个图像
我们的态度。
正在翻譯中..
 
其它語言
本翻譯工具支援: 世界語, 中文, 丹麥文, 亞塞拜然文, 亞美尼亞文, 伊博文, 俄文, 保加利亞文, 信德文, 偵測語言, 優魯巴文, 克林貢語, 克羅埃西亞文, 冰島文, 加泰羅尼亞文, 加里西亞文, 匈牙利文, 南非柯薩文, 南非祖魯文, 卡納達文, 印尼巽他文, 印尼文, 印度古哈拉地文, 印度文, 吉爾吉斯文, 哈薩克文, 喬治亞文, 土庫曼文, 土耳其文, 塔吉克文, 塞爾維亞文, 夏威夷文, 奇切瓦文, 威爾斯文, 孟加拉文, 宿霧文, 寮文, 尼泊爾文, 巴斯克文, 布爾文, 希伯來文, 希臘文, 帕施圖文, 庫德文, 弗利然文, 德文, 意第緒文, 愛沙尼亞文, 愛爾蘭文, 拉丁文, 拉脫維亞文, 挪威文, 捷克文, 斯洛伐克文, 斯洛維尼亞文, 斯瓦希里文, 旁遮普文, 日文, 歐利亞文 (奧里雅文), 毛利文, 法文, 波士尼亞文, 波斯文, 波蘭文, 泰文, 泰盧固文, 泰米爾文, 海地克里奧文, 烏克蘭文, 烏爾都文, 烏茲別克文, 爪哇文, 瑞典文, 瑟索托文, 白俄羅斯文, 盧安達文, 盧森堡文, 科西嘉文, 立陶宛文, 索馬里文, 紹納文, 維吾爾文, 緬甸文, 繁體中文, 羅馬尼亞文, 義大利文, 芬蘭文, 苗文, 英文, 荷蘭文, 菲律賓文, 葡萄牙文, 蒙古文, 薩摩亞文, 蘇格蘭的蓋爾文, 西班牙文, 豪沙文, 越南文, 錫蘭文, 阿姆哈拉文, 阿拉伯文, 阿爾巴尼亞文, 韃靼文, 韓文, 馬來文, 馬其頓文, 馬拉加斯文, 馬拉地文, 馬拉雅拉姆文, 馬耳他文, 高棉文, 等語言的翻譯.

Copyright ©2024 I Love Translation. All reserved.

E-mail: