TY - A2的高,本盟——荣格,SeHee AU -杨,SungMin AU -李,Eunseok AU -李,YongHak AU - Ko, Jisun AU -李,Sungjae AU - Cho, JunSang AU -李,Jaehwa AU -金,SungHwan PY - 2020 DA - 2020/07/07 TI -微粒水平估计使用深Dehazing网络和时间之前SP - 8841811六世- 2020 AB -颗粒物质(PM)已经成为公共健康恶化的重要污染物之一。由于点是大气中无处不在,它是在许多不同的方式与生活质量密切相关。因此,系统准确地监测点在不同环境势在必行。之前的研究使用数字图像依赖于个人大气图像,没有受益于图像序列的时空效应。这个弱点导致破坏的预测能力。为了解决这个缺点,我们提出一个预测模型使用深dehazing级联CNN和颞先知先觉。颞前提供瞬时视觉和估计点浓度从原始和dehazed图像之间的残差。副产品,目前的方法还提供了高质量优于nontemporal dehazed图像序列的方法。各种实验支持的改进是在一系列模拟场景和使用标准的评估指标。SN - 1687 - 725 - 2020/8841811 / 10.1155 x你——https://doi.org/10.1155/2020/8841811——摩根富林明——《传感器PB - Hindawi KW - ER