《表3 改进的非固定迭代次数NCSR算法与原算法在常用图像集合上的性能对比》

  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

为了验证所提出的迭代型去模糊算法终止度量的有效性和必要性，首先在20张常用自然图像集合上进行实验。分别计算改进的NCSR、GSR和ADMM算法在各种模糊类型下复原图像的质量值（PSNR、SSIM和FSIM）与对应原算法获得的图像质量值之间误差的平均值并记录各个改进算法的最小迭代步数、最大迭代步数以及平均迭代步数，实验数据分别记录在表3～5中。从表3～5中的数据可以看出:a)采用基于粗精检测机制的各个去模糊算法平均迭代终止步数大部分情况下仅为原算法一半左右，这意味着算法的执行效率得到大幅度提升；b)对于改进后的NCSR算法，在几种模糊核类型下所获得的图像质量值相较于原算法差距似乎较大，其实这是由于去模糊后图像质量本身就比较高的原因（PSNR值达到33 d B以上）导致的。原NCSR算法在720步迭代过程中PSNR值不断升高（但SSIM和FSIM这种两种更好反映人类视觉特性的质量指标值并没有增高多少），即上文提到的无益迭代情况。而改进算法则有效判定图像质量并无实质有效性提高，自适应终止了迭代过程，提高了去模糊算法的执行效率，同时保证了图像质量。其实，这种情况仅发生在NCSR算法中，GSR和ADMM算法中并没有出现，因为不同类型去模糊算法在具体实现上还是有差别的。