《表1 K=2时基于不同算法的压缩模型重建图像评价》

  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

《FA-LMBP混合神经网络算法在图像压缩中的应用》

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

进行直观比较后，采用结构相似度（SSIM）函数和峰值信噪比（PSNR）函数对图像重建质量进行进一步比较，SSIM值、PSNR值越大，表示重建图像与原图越接近，重建效果越好。表1给出了K=2时基于3种算法的10次运算的平均SSIM值与PSNR值。对于基于BP算法的图像压缩模型，初始权阈值的随机性导致模型无法得到全局最优权阈值参数，模型整体计算精度不高，因此输出的重建图像与原图的相似度差别很大，重建图像基本不可用。采用LMBP算法构建重建模型时，对于训练图像，其重建图像的SSIM值、PSNR值与FA-LMBP算法差别不大，效果都很好；而对于测试图像，由于LMBP算法模型权阈值无法取得像FA-LMBP算法模型那样的全局最优解，因此无论是SSIM值还是PSNR值均明显小于FA-LMBP算法模型。由此可以得出基于FA-LMBP算法的图像压缩模型的压缩效率优于LMBP算法和BP算法模型的结论。进一步对压缩比K=4时3种算法模型的运行效率进行对比，表2给出了基于3种算法的10次运算的平均SSIM值和PSNR值，从表中可以得出与表1相同的结论，即采用FA-LMBP算法建立的压缩模型的图像重建效果明显优于BP和LMBP算法。