《表3 纹理类图像信噪比和时间效率比较》
根据表3~4中信噪比(SNR)数值进行横向比较分析,一方面可得到,在分解纹理类图像时,改进的TV-H-1模型分解后的信噪比整体都比TV-H-1模型的分解效果低,这也说明了改进的TV-H-1模型分解效果更好。但是在进行航空类图像、杂类图像的图像分解时,得到的信噪比大部分都比TV-H-1模型大,即分解效果较差,除了航空类图像中的Port图像分解稍微好一点外;另一方面可以得到,在分解这3类图像,包括纹理类图像、航空类图像、杂类图像时,改进的TV-G模型分解后的信噪比大部分都比TV-G模型分解后的信噪比低,即改进的TV-G分解效果更好,除了纹理类图像的Weed图像、航空类图像的Boat图像、杂类图像的Logo图像外。通过横向比较分析,可以得到改进的TV-H-1模型更适合于纹理类图像分解,对航空类图像,杂类图像分解基本无效。反观改进的TV-G模型适用于这3类图像的大部分图像分解,但仍有少量图像分解效果稍微差一点。
图表编号 | XD00146283000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.15 |
作者 | 刘瑞华、谢挺 |
绘制单位 | 重庆理工大学两江人工智能学院、重庆理工大学理学院 |
更多格式 | 高清、无水印(增值服务) |