《表4 10幅常用图像上各算法预测值与真值之间的均方根误差》

  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

《采用训练策略实现的快速噪声水平估计》

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

注:加粗字体表示最优结果，加下划线字体表示次优结果。

为了验证所提出算法的预测准确性，对图2所示的图像施加不同水平（5，15，35，55，75和95）的高斯噪声，所有参与对比的算法在噪声图像上的预测数据在表3和表4中列出（限于篇幅，表3中仅给出各NLE算法在Lena图像上的预测结果）。从表3和表4可以得出，Immerkr算法和Zoran算法的预测准确性较差；Yang算法、Liu算法和Rakhshanfar算法在各噪声水平下预测结果不够稳定；Chen算法在高噪声水平下表现良好，但在低噪声水平下的预测准确性不够理想；CNN-NLE算法预测准确度相对其他对比算法而言处于中等水平；本文算法在所有噪声水平下，不管是在单幅图像还是10幅图像上都表现出令人满意的预测准确性，表4中的平均均方根误差值排名第1，表明它具有最佳的预测稳定性。