《表2 样本3加入不同等级高斯噪声各算法分割的误分率》
从表2、表3可以看出,本文方法对噪声的鲁棒性好。样本3随着噪声增加迅速增长,标准FCM和GMM的MCR由4%上升到11%,对噪声十分敏感。上述方法相比,在加入0均值,0.01方差高斯噪声后,本文的方法其误分率仅为1.48%,噪声抑制结果明显好于其它两种方法。其在视觉上可以观测到FCM和GMM方法在分割后,有很多的残余噪声。本文的方法随着噪声的方差的增加,分割性能指标优势更明显,在分别加入0.01方差、0.02方差、0.03方差后,MCR依旧相差不大,方别为1.48%、2.39%和3.45%,而准确度依旧较高。样本4的分割结果也验证了该效果,可以说明的是:本文的方法在抗噪声方面有着良好的表现,对噪声有很好的鲁棒性,相比于标准FCM和GMM分割效果更好。
图表编号 | XD00137232800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.16 |
作者 | 张辉、李平、Q.M.Jonathan WU、贺振东 |
绘制单位 | 长沙理工大学电气与信息工程学院、温莎大学电气与计算机工程系、长沙理工大学电气与信息工程学院、温莎大学电气与计算机工程系、郑州轻工业学院电气信息工程学院 |
更多格式 | 高清、无水印(增值服务) |