《表5 模糊等级三评价参数(模糊核:9×9)》
为验证文中算法的性能,通过实验将文中算法与FISTA算法[21]、FGISA算法[22]、SRCNN算法进行比较。常用的传统去模糊方法是对该问题进行正则化,FISTA算法是求解l1正则化的重要算法,FGISA算法是基于lp范数约束的图像去模糊快速广义迭代收缩算法,二者是传统方式去模糊领域较为典型的算法;SRCNN是深度学习用在超分辨率重建上的开山之作,在图像去模糊方面也具有良好的效果,文中以峰值信噪比PSNR与处理时间作为评价指标进行比较,比较结果见表6。由表6可以看出,文中所提出的算法,不仅在恢复效果上有明显提升,而且由于转换了颜色空间,仅在Y通道上进行图像去模糊操作,运行效率得到极大提高。
图表编号 | XD00129489700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 王晓红、卢辉、黄中秋、麻祥才 |
绘制单位 | 上海理工大学、上海理工大学、上海理工大学、上海出版印刷高等专科学校 |
更多格式 | 高清、无水印(增值服务) |