《表2 不同的方法在Middlebury数据集A上重建结果的定量分析(RMSE)》
注:粗体字表示最优值,下划线标识次优值。
在Middlebury数据集上采用RMSE、SSIM指标分别评估了本文的方法,实验结果如表2~5所示。表2、3分别是不同的方法在Middlebury数据集A、B重建结果的RMSE定量分析,由表2、3可知,本文算法均优于传统算法(Mandal[6]、Liu[11]、Kiechle[12]、Li[13]、Park[14]),和基于深度学习的算法(Chen[10]、Dong[23]、Hui[24]、Kim[25]、Lai[26])相比,取得了11个最优值,4个次优值。表4和表5分别是不同的方法在Middlebury数据集A、B重建结果的SSIM定量分析,由表4和表5可知,本文算法取得了14个最优值,1个次优值。和次优结果相比,本文的RMSE指数平均降低了约0.083,降低比例约5.87%。SSIM指数平均增加了约0.0011。
图表编号 | XD00131176600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 于淑侠、胡良梅、张旭东、付绪文 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |