《表2 不同去噪算法的图像去噪PSNR》

  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

《微生物图像的非局部主成分分析稀疏泊松去噪》

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

与本文算法作效果对比的有均值去噪法[17]、VST去噪法[3]、NLSPCA去噪法[11]等3种算法。均值去噪是典型的线性去噪算法，用模板中全体像素的平均值代替中心像素值，达到去噪目的；VST算法是将泊松噪声正向Anscombe变换成高斯噪声，对高斯噪声去噪，然后将去噪后的图像进行反向Anscombe变换；NLSPCA算法将图像分块并聚类，再用PCA稀疏算法对聚类后图像进行去噪。表2为不同去噪算法的图像去噪PSNR。从表2可看出，采用本文提出的BC-NLSPCA算法在不同测试图像种类以及相同种类微生物的不同噪声等级图像中，均获得了最高峰值信噪比，客观性能优于其他算法。这主要是因为采用本文算法直接处理泊松噪声结构可避免噪声结构转换带来的误差，并在分块和聚类步骤中进行改进，利用分块后相邻图片的相似性决定分块宽度；利用手肘法确定最佳聚类数K，再用Poisson K-均值法进行聚类，大大提高了去噪图像的信噪比。