《表1 三种滤波方法MSE,PSNR和SSIM对比》

  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

《融合梯度信息的改进中值滤波算法研究》

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

式中M和N分别为图像的宽和高，f（i，j），g（i，j）分别为待评价图像与参考图像像素点（i，j）的灰度值，lg为以10为底的对数。x和y分别为参考图像和待比较图像，ux，uy分别为图像x，y的均值，σx2，σy2分别为图像x，y的方差，σxy为图像x和y的协方差；c1=（k1L）2，c2=（k2L）2为维持稳定的常数，L=255为像素值的变化范围，k1=0.01，k2=0.03。结构相似度的范围为0～1，由式（4）可知PSNR值越大，图像越接近参考图像，失真越小。根式（4）、式（5），分别计算中值滤波、自适应中值滤波和本文算法对图4（b）进行滤波后图像的PSNR，SSIM，具体计算结果如表1所示。根据表1可知，三种滤波算法对含噪声图像均有滤波效果，但本文算法和中值滤波相对自适应中值滤波效果更好。本文所提出的算法PSNR比自适应中值滤波约大13 d B，比中值滤波约大6，结构相似度SSIM比自适应中值滤波约大9.9%，比中值滤波大2.2%，图像失真度更小，同时边缘模糊也得到改善。