《表3 各降噪算法在纹理图像集的50幅噪声图像上的PSNR均值》
注:加粗字体表示各列最优结果。
为了验证所提出的噪声检测器的实际应用效果,将其与GIRAF(generic iteratively reweighted annihilating filter)算法(Ongie和Jacob,2016)组合构成一种RVIN噪声降噪算法(称为proposed-GIRAF),并增加ALOHA (annihilating filter-based low-rank Hankel matrix)(Jin和Ye,2018)算法参与对比测试。ALOHA算法是基于矩阵补全技术实现的RVIN降噪算法,其噪声检测和降噪模块并未进行分离,故本文仅用其对比降噪效果。从BSD数据库(Arbelez等,2011)中选取50幅纹理丰富的无失真图像作为测试集,对纹理图像集中的每幅图像施加10%60%、间隔10%的RVIN噪声,使用所有参与对比的降噪算法对每幅噪声图像进行复原,记录在各个噪声比例下降噪后图像的峰值信噪比(peak signal-to-noise ratio,PSNR)值的均值,如表3所示。从表3可以看出,proposed-GIRAF算法所复原图像的PSNR值在各个噪声比例下均取得了最优结果,比CNN-based的算法、BCNN-GIRAF和MLPNNC-GIRAF算法高很多,这意味着所提出的RVIN噪声检测器实际的检测结果对后继降噪模块是最为有效的。
图表编号 | XD00215907500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.16 |
作者 | 于海雯、易昕炜、徐少平、林珍玉、刘蕊蕊 |
绘制单位 | 南昌大学信息工程学院、南昌大学信息工程学院、南昌大学信息工程学院、南昌大学信息工程学院、南昌大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |