《表3 各算法图像去噪的PSNR值》

  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

《低秩稀疏分解及其在视频和图像处理中的应用》

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

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。