《表2 6种新型模型增强效果比较》

  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

《用于图像增强的仿生自适应忆阻细胞神经网络》

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

本文从大量实验结果中随机抽取一定量的图像进行了定量评价，并进行统计分析.定量比较了6种新型图像增强模型的增强效果.考虑到篇幅限制，表2列出20幅标准图像使用6种图像增强模型的比较数据，其中序号为1，2，4，6，8和11的图像来自医疗图像数据库，序号为16，17，18，19，20的图像是由烟、雨、雾、霾等天气原因导致的模糊图像.增强类型包括明暗程度、不均匀光校正和图像清晰化.每一行比较数据中，增强效果最好的数值用粗体表示.可以看出，使用BAM-CNN的增强结果的对比度指标EME和清晰度指标SMD2普遍大于使用其他5种模型处理结果的EME值和SMD2值，验证了本文方法在提升图像对比度和清晰度方面的优势.而对于背景本身较亮且含有较多信息的图片，增强后的图像虽然清晰度和亮度提高，但是对比度减弱（如表2中序号为3，5，8，13和15的图像）.