《表3 各种算法重建测试库图像的PSNR值 (单位:dB)》
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
《基于广义低秩矩阵分解的分离字典训练及其快速重建算法》
各种算法针对第二组测试图像的重建效果如表3所示,从表3中可以得到,针对不同属性的图像,所提出的FCISMT算法大部分情况下均取得了较好的效果,相比其他算法PSNR值平均提高了约3 dB,即使对于存在丰富的相似纹理信息的Barbara图像,依然取得了很好的重建效果.此外,对于Lena图像,FCISMT算法相比于其他算法,PSNR大约提升了3 d B.对于Remote Sensing图像,FCISMT算法的PSNR大约提升了4 d B.对于纹理结构不复杂的Peppers和Biker图像,本文算法仍然优于其余算法.针于Parrots图像,在低采样率下,本文算法的重建效果更为突出,随着采样率的增加,本文算法的重建效果差于TVAL3.总的来说,本文算法的重建效果优于s-HM,MH,TSBS-VB以及TVAL3.
图表编号 | XD0017153200 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.01 |
作者 | 张长伦、余沾、王恒友、何强 |
绘制单位 | 北京建筑大学理学院、北京建筑大学理学院、北京建筑大学理学院、北京建筑大学理学院 |
更多格式 | 高清、无水印(增值服务) |