《表2 不同算法下的PSNR结果对比》

  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

《基于低秩增强的图像压缩感知重构算法》

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

LRER算法和3种具有代表性的压缩感知图像重构算法在低采样率下进行了比较，这3种算法分别为双树小波域SPL[10]、MH[11]算法以及目前已知的性能最优的GSR算法[14].表2展示了采样率大小为0.05～0.30下的以上算法的重构性能对比，表中数据为重复实验结果的平均值.从表2可见，在大多数情况下LRER算法比其他算法的重构性能更优，其PSNR在采样率为0.10的House图像上甚至比SPL和MH算法要分别高出6.30 dB和3.17 dB.另外，虽然在较高的采样率下，LRER与GSR的重构性能较为接近，但在0.05和0.10的采样率条件下LRER算法显示出其明显的优越性，其PSNR分别平均比GSR算法高出了1.80 d B和0.70 dB.在低采样率观测条件下，真实信息丢失严重，导致初始重构质量较差，该情况下的相似块分组质量不高.在正式分组前对图像进行预处理，强化相似块的共有特征，弱化其他特征，有助于分组时更有效地挖掘出图像块间的潜在相似性，提升分组质量.预处理步骤是LRER算法相较于GSR算法在低采样率下性能提升的关键因素.