《表2 不同方法对不同噪声图像重建结果的PSNR》
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L_(1/2)正则化和局部纹理约束的人脸超分辨率图像重建》
在实际生活中获得的人脸图像都会有些噪声的影响。为了验证提出方法对含噪人脸图像的鲁棒性,本文在四张人脸图像中加入均值为0,方差σ=2,4,6的高斯噪声。文献[9]中的研究证明,参数λ与噪声方差σ正相关,噪声越大,λ越大。因此对于上面的噪声σ设定,本文分别设置λ=0.2,0.4,0.6,以处理相对应的噪声。表2中显示不同方法对不同噪声重建结果的PSNR。从表中可以看出,随着噪声的增大,所有方法产生的PSNR都在减小,但是NE方法下降最快,双三次插值其次。而稀疏表示、L1正则化和提出的方法下降趋于稳定,而且L1正则化方法随着噪声的增大,其重建结果的PSNR优于其他方法的结果。本文提出的方法通过对噪声的处理,对噪声有一定的鲁棒性,其重建结果产生的PSNR也一直优于其他方法,PSNR的下降趋势相对稳定,这些结果也证明了提出方法对噪声的鲁棒性。
图表编号 | XD00134625900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 王宝成、李波 |
绘制单位 | 武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室、武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室 |
更多格式 | 高清、无水印(增值服务) |