《表2 不同参数组合条件下的伪PSNR度量所取得的性能指标对比》

  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

《适用于迭代型去模糊算法粗精检测相结合的自适应终止机制》

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

本文通过检测伪PSNR值较前S步的值变化是否小于阈值T来判定图像质量是否稳定（S和T根据大量实验数据确定）。具体地，在文献[19]中随机挑选100张图像，记录NCSR、GSR和ADMM算法在不同连续步数S和阈值T参数配置下终止迭代时所获得的性能指标与原算法之间的误差。限于篇幅，本文只给出了在NCSR算法上获得的实验数据，如表2所示（其中PNSR、SSIM[20]和FSIM[21]误差值是指满足参数约束条件下所获得图像与原算法采用固定迭代次数所获得图像在图像质量值上的差值）。由表2中所列数据可知，综合考虑算法的执行效率和去模糊效果，可将NCSR算法判定去模糊质量是否稳定的最佳条件设定为S=4，T=0.04，即连续四个迭代步骤内，如果伪PSNR值变化小于0.04即认为图像质量已经稳定。类似地，经过分析大量实验数据后，GSR算法的最佳参数设置为S=5，T=0.01；ADMM算法最佳参数设置为S=4，T=0.085。伪PSNR值不能直接用于准确判定图像质量的好坏，仅能根据前后相邻几个迭代步骤所获得的伪PSNR值变化大小来反映图像质量是否趋于稳定。