《表3 各算法图像去噪的PSNR值》
dB
为了进一步评价各算法在图像去噪方面的优缺点,本文采用峰值信噪比(Peak Signal to Noise Ratio,PSNR)[60]和特征相似度(Feature Similarity,FSIM)[61]对各算法的去噪效果进行量化,其中PSNR和FSIM值越大,表明算法的图像去噪效果越好。表3为各算法对不同图像去噪的PSNR值。从表3可以看出,所有的基于非凸低秩分解算法都比基于凸低秩分解算法的PSNR值要高,其中基于非凸低秩稀疏分解算法的GNRPCA具有最高的PSNR值。另外,基于非凸低秩分解算法的PSNR平均值为28.0,而基于凸低秩稀疏分解算法的PSNR平均值仅为23.5,前者比后者高4.5。表4为各算法图像去噪的FSIM值。从表4同样也可以看出,所有的基于非凸低秩分解算法都比基于凸低秩分解算法的FSIM值要高,其中基于非凸低秩稀疏分解算法GNNLSM具有最高的FSIM值。另外,基于非凸低秩分解算法的总的FSIM平均值为0.90,而基于凸低秩稀疏分解算法的总的FSIM平均值为0.77,前者比后者高0.13。
图表编号 | XD00150154400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.15 |
作者 | 杨永鹏、杨真真、李建林、乐俊 |
绘制单位 | 南京信息职业技术学院网络与通信学院、南京邮电大学通信与网络技术国家工程研究中心、南京信息职业技术学院网络与通信学院、南京邮电大学通信与网络技术国家工程研究中心 |
更多格式 | 高清、无水印(增值服务) |