《表2 9%椒盐噪声下定量对比》

  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

《基于多分类SMM的高噪声图像分割研究》

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

图2为本研究方法MCSMM与k-means、GMM算法分割含有9%椒盐噪声普通图像的结果.其中图2a）为实验原图，b）为含有9%椒盐噪声的图像，c)～e）分别为k-means、GMM和MCSMM的分割结果.表2为3种算法在9%椒盐噪声下的Accuracy和SNR对比结果.由图2和表2可知，GMM的分割精度和分割效果较差，k-means算法在个别图像上的分割效果要优于GMM算法.而MCSMM由于对传统的Student’s t混合模型进行了分类处理，有着较强的抗噪性.对含有大量椒盐噪声的图像进行分割时，无论是分割精确度还是信噪比，比k-means和GMM都有了很大的提高.