《表3 图像street融合指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多方向Laplacian能量和与tetrolet变换的图像融合》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表2—表4可知，本文方法在平均梯度Av G和空间频率SF参数上优势比较明显，对于PSNR指标，图7和图9在数据上都有小幅度领先，而图8则有所下降，这是由于PSNR是由两幅图像对应像素点之间的误差决定，并未考虑到人眼的视觉特性，且人眼对误差的敏感度并不是绝对的，因而会出现评价结果与人的主观感觉不一致的情况；另外，评价结果在信息熵IE上小幅度占优，在结构相似性SSIM方面也均优于对比方法。而在运行时间上，由于tetrolet变换寻找最优模板需要一定的时间，运行时间相对较长，而CL方法和DWT方法采用的融合规则较为简单，所以融合时间相对较短，融合结果以及所得评价指标也较差；NSCT方法虽然在运行时间上与本文算法相差不大，但是所得结果的评价指标与本文算法相比有较为明显的差距。