《表1 4 NCSR算法迭代一步所需要时间和计算DM度量所需时间Tab.14 Execution time for one iteration step of NCSR algorithm and t

  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

《基于残差图像的迭代终止条件及其在NCSR算法中的应用》

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

Unit:ms

为了测试引入去模糊效果度量所增加的运行时间，在大小为256×256的Lena图像记录NCSR内循环执行一步和计算DM所需执行时间，列在表14中。从表14可以看出，本文所提出的去模糊图像质量度量所增加的时间非常少，几乎可以忽略不计。现有的评价准确性比较好的NR-IQA算法很多运行时间都在s的量级上（有的甚至高达几十秒[27]，因此，本文所提出的DM (包括卷积和GGD建模两部分）远比引入现有的NR-IQA算法所增加的执行时间要少很多。由上述可知，改进算法一般情况下在迭代200步就会终止，因此执行时间大为缩短。其实，不仅仅是在内循环中减少了迭代步数所获得的提升，在外循环的中所节省的字典学习时间也是非常可观的。因此，引入ITC后，改进的NCSR算法在计算性能方面的提升是非常可观的，而且在很多时候，所获得的去模糊图像质量还有一定程度上升。即使在某些时候所获得的图像质量不如原NCSR算法，差别也不大。