《表1 图1~图3中实验结果的JC与DSC比较》
从实验结果可以看出,对于低噪声水平图像(例如σ=10,实验结果见图1),3个模型在视觉上都取得较好的分割结果,并且通过JC与DSC指标量化比较(见表1),仅仅利用图像全局信息的CV模型取得了比采用了平滑约束的VFCMS模型和ROF-CV模型更好的分割质量。但是随着噪声强度的增加(例如σ=30,实验结果见图2),噪声的对比度变大,一部分噪声点的灰度值到达了目标物体灰度。此时CV模型将这一部分和目标灰度相近的噪声点也作为目标提取出来,出现了很多伪边界,而导致了错误的分割。VFCMS模型和ROF-CV模型由于采用了平滑约束,所以可以取得较好的分割效果。当图像被强噪声污染(例如σ=50,实验结果见图3),由于结合了去噪能力很强的BV-L2分解,所以模型取得了比VFCMS模型和CV模型更优的分割质量。作为模型的副产品,还可以得到噪声图像的去噪恢复图像,分别见图1到图3的最后一幅图像。从实验结果可以看出,模型可以很好地去除噪声,得到视觉上较为满意的去噪结果。
图表编号 | XD0017757500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.01 |
作者 | 唐利明、方壮、向长城、陈世强 |
绘制单位 | 湖北民族学院理学院、湖北民族学院理学院、武汉大学数学与统计学院、湖北民族学院理学院、湖北民族学院理学院 |
更多格式 | 高清、无水印(增值服务) |