《表5 不同方法处理数据集[20]所对应平均时间》
本文所提出的算法不需要额外的边缘设计规则,也不需要多尺度的模糊核估计框架,因此能够降低算法的复杂度,提高算法处理的效率.如表4所示,所有的方法都是在相同的电脑硬件下进行处理的.虽然基于Python语言的文献[14]的方法所需时间很少,但其图像所恢复的效果有时欠佳.本文所提出的方法在获得相对高质量的恢复图像的同时,其所需的算法处理时间远远小于传统方法所需的时间.此外,为了使到评估的结果更具有广泛性和准确性,本文利用文献[20]中的模糊图像数据集进行测试.该数据集有48张模糊图像,每张图像的大小为800×800.利用不同去模糊方法对该数据集进行处理,其对应的平均处理时间如表5所示.可以看出,所提出的方法所需时间较为适中,具有一定的可行性.下一步的工作是尝试从平台与硬件方面入手,优化算法处理时间.
图表编号 | XD00165466000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 余孝源、谢巍 |
绘制单位 | 华南理工大学自动化科学与工程学院、华南理工大学自动化科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |