《表1 碳纤维性能对比:基于互导滤波和显著性映射的红外可见光图像融合》
为了更加客观全面地对算法进行评价,本文在TNO和Road Scene上分别随机抽取了20幅图像用于算法的于定量比较。结果如图3所示,图中从上到下分别为EN、NMI、STD、MSSIM的指标图,其中横坐标表示不同场景,纵坐标表示指标值大小,每个指标图上方的题注标明了指标均值。图3(a)为TNO数据集上的结果,图3(b)为Road Scene数据集的结果。从图中可以看出本文方法在随机挑选的20个场景中基本都可以达到最高的指标,相较于其他算法有较强的优越性。为了更加直观地感受到本文方法相较于其他方法的提升长度在表1中列出了本文算法相对于其他算法指标提升的百分比,其中加粗表示指标提升的最高百分比,下划线表示指标提升的最低百分比。T代表TNO场景,R代表Road Scene场景。图表的数据都保留小数点后两位。从图中可以看出:无论是TNO还是RoadScene本文算法的4个指标都以较为稳定的状态优于其他算法。如表1中所示在TNO数据集中本文算法的EN指标相对于第二名算法提升2.42%,相对于最差算法提升7.47%;NMI相对第二名算法提升10.34%,相对最差算法提升28%;STD相对于第二名算法提升33.09%,相对于最差算法提升了62.41%;MSSIM和MSVD持平,而相对于最差算法提升了7.46%。而在Road Scene数据集中的每个指标也都有所提升,但是提升的程度都小于TNO数据集,和定性分析的结果一致。
图表编号 | XD00212743100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 周怡、马佳义、黄珺 |
绘制单位 | 武汉大学电子信息学院、武汉大学电子信息学院、武汉大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |