《表1 不同损失函数的性能对比》
不同的损失函数会给模型的性能带来不同的影响,好的损失函数会使增强后的图像更加接近原始图像。为了比较不同损失函数的增强性能,本文从定性和定量的角度对LMSE、LSSIM和Ltotal三种损失函数进行实验,从LIVE1数据集中挑选了5张图片进行实验,实验结果如表1所示,其中最后一行表示平均值±标准差(SD)。总体而言,Ltotal损失函数结合了LMSE和LSSIM损失函数的优势,得到的PSNR和SSIM的平均值都优于LMSE和LSSIM损失函数。其中,采用LMSE、LSSIM、Ltotal得到的PSNR平均值分别为24.5200±1.3800、23.2200±2.0900和26.4500±0.5700,SSIM平均值分别为0.8180±0.0550、0.8600±0.0410和0.8660±0.0450。由于MSE求的是两张图片之间的像素值的差,所以在峰值信噪比指标上,采用LMSE得到的值比LSSIM高一些;而SSIM求的是两张图片之间的结构差异性,所以在结构相似性指标上,采用LSSIM得到的值要比LMSE大一些。此外,从SSIM指标可以看出,采用LSSIM和Ltotal得到的值比较接近,说明采用Ltotal时SSIM值占了主要部分。综合考虑,本文选用Ltotal损失函数。
图表编号 | XD00188327100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 吴若有、王德兴、袁红春 |
绘制单位 | 上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院 |
更多格式 | 高清、无水印(增值服务) |