《表3 PSNR对比结果：改进量子遗传算法的图像增强研究》

  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

《改进量子遗传算法的图像增强研究》

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

为检测所设计的基于改进量子遗传算法的图像增强方法设计了运行蒙特卡罗30次的随机仿真实验，实验采用含有随机噪声的静止灰度图像Lena(256x256pixel），选用MATLAB编程软件，以P4DDRR3(2048MB）作为实验运行环境，按照原始图像、Roberts、Laplacian、QGA算法及本文算法顺序的实验对比效果如图1所示。受到增强后具有高频突变特点的噪声的影响Roberts算法的视觉效果难以较好的满足视觉需求，边缘锐化效果较好的Laplacian算法的噪声（尤其是横条纹的不均匀固定噪声）放大明显，而噪声增强效果较好的量子遗传算法的最终增强图像的质量较差，采用本文算法则在实现了边缘良好锐化效果的同时图像噪声得以有效抑制，图像模糊感被去除视觉效果更佳[7]。表3为峰值信噪比对比结果，相比于其他算法本文改进算法较好的抑制了不同幅度的噪声（PSNR值最大），本文方法为提升整体轮廓和背景间的对比度，在强边缘已具有较好对比度的情况下，需通过锐化增强因子γ调整强边缘的锐化程度，在保留原图像重要信息的同时改善了目标边缘和内部细节信息，降低灰度值溢出及图像失真度，显著提升图像增强效果。