《表3 各种算法重建测试库图像的PSNR值 (单位:dB)》

  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

《基于广义低秩矩阵分解的分离字典训练及其快速重建算法》

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

各种算法针对第二组测试图像的重建效果如表3所示，从表3中可以得到，针对不同属性的图像，所提出的FCISMT算法大部分情况下均取得了较好的效果，相比其他算法PSNR值平均提高了约3 dB，即使对于存在丰富的相似纹理信息的Barbara图像，依然取得了很好的重建效果.此外，对于Lena图像，FCISMT算法相比于其他算法，PSNR大约提升了3 d B.对于Remote Sensing图像，FCISMT算法的PSNR大约提升了4 d B.对于纹理结构不复杂的Peppers和Biker图像，本文算法仍然优于其余算法.针于Parrots图像，在低采样率下，本文算法的重建效果更为突出，随着采样率的增加，本文算法的重建效果差于TVAL3.总的来说，本文算法的重建效果优于s-HM，MH，TSBS-VB以及TVAL3.