《表1 不同灰度化算法实验结果的SM-SSIM评价数据》
灰度化图像间差异较小时,视觉观察很难做出准确的主观评价,需要采用客观评价方法对灰度化图像进行定量分析。本文客观评价方法采用显著图结构信息相似度(Saliency Map Structural Similarity,SM-SSIM)[15]和E-Score[11]模型两种评价方法。SM-SSIM表征的是彩色图像显著图和灰度图像显著图的结构信息相似程度,其值越大越好;E-Score是颜色对比度保持度(Color Contrast Preserving Ratio,CCPR)与颜色内容保真度(Color Content Fidelity Ratio,CCFR)的调和平均值,其值越大越好。CCPR表征的是灰度图像中对比度与输入颜色的相似程度,其值越大越好;CCFR表征的是灰度图像中结构内容与输入颜色的相似程度,其值越大越好;表1和表2分别列出了本文算法与其他6种算法对所选16幅测试图像灰度化结果的SM-SSIM和E-Score的评价数据。其中E-Score是在阈值τ=10时得的评价数值。表中加粗的数值表示同一测试图像在各种灰度化算法中取得的最大值。
图表编号 | XD00141896000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 王冰雪、刘广文、刘美、陈广秋 |
绘制单位 | 长春理工大学电子信息工程学院、长春理工大学电子信息工程学院、长春理工大学电子信息工程学院、长春理工大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |