《表2 4种算法的去噪与增强效果的定量比较Table 2 Quantitative comparison of denoising and enhancement effects among four
为验证文中算法对不同大小和类型气泡图像具有普遍性,对图9(a)的较大、中等、小气泡的256×256图像,分别运用文献[4]、文献[9]、文献[10]及文中算法进行增强.为了定量比较增强效果,选取有代表性的各类图像各30幅进行实验,计算增强后图像的平均灰度、对比度、清晰度、信息熵、灰度共生矩阵的纹理相关性[17]、PSNR及运行时间的平均值,各算法的性能统计结果如表2所示.文献[4]算法运行效率较高,改善了泡沫图像的亮度、对比度、清晰度和信息熵,同时也放大了噪声,PSNR较低,存在大量噪声点.文献[9]算法虽然也能改善泡沫图像的亮度、对比度、清晰度和信息熵,但不能完全去除图像中的噪声,峰值信噪比低,而且气泡内部大量纹理细节丢失,纹理相关性低,该算法的Contourlet变换处理效率低,需要几秒的运行时间.文献[10]算法对泡沫图像的对比度、清晰度和信息熵都有一定的提高,纹理细节保留较好,PSNR较高,但亮度提升不明显,而且采用单一的噪声阈值,部分噪声被当作边缘而放大,部分弱边缘被当作噪声而平滑,出现了散斑和边缘失真,该算法的NSCT变换处理效率较低,需要20几秒的运行时间.文中算法因NSCT分解的尺度和方向较多,整体运行效率较低,但大大改善了泡沫图像的亮度,有较高的对比度、清晰度和信息熵,具有最佳的PSNR和纹理相关性,纹理相关性和PSNR比文献[10]算法分别提高了2.1%和1.16 d B,噪声抑制能力强,保留了更多的纹理细节.
图表编号 | XD0026545000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.01 |
作者 | 廖一鹏、王卫星、付华栋、王焕清 |
绘制单位 | 福州大学物理与信息工程学院、福州大学物理与信息工程学院、福州大学物理与信息工程学院、福州大学物理与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |