《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》

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

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。