《表4 不同噪声水平下各算法在Lena图像上评估结果Tab.4 Estimation results of the different algorithms obtained from Lena im

  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

《基于小波变换系数统计特征值和深度神经网络的快速噪声水平评估算法》

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

对第一个图像测试集合中的图像，分别加入0到100步长为5的高斯噪声。限于篇幅，本文只选取其中具有代表性的噪声级别为5、15、20、40、60、80、100来进行分析。首先，表4中列出了各算法在各噪声水平条件下Lena图像上获得的预测数据（根据预测值与真实值之间绝对差值大小，加粗标注预测准确性前3名算法，对最好的算法另加下滑线进行标记）。分析表4的数据可以得出，虽然FNLE算法在低噪声水平下的预测效果处于中等水平，但是其在噪声水平高于20时，较其它参与比较的算法具有较明显的优势。