《表1 Barbara图像去模糊过程中图像质量值变化趋势》

  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

《适用于迭代型去模糊算法的自适应迭代终止条件》

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

在迭代次数的选择上，NCSR算法是以设置固定值的方式来处理的。然而各种图像的内容和模糊失真类型有着各自的特点，在算法中固定设置的720次迭代不能保证对不同内容的图像和各类失真都能够得到很好的去模糊效果。为了分析NCSR算法采用固定迭代次数实现所产生的问题，采用常用测试图像Barbara（大小为256×256）为例，对算法在均匀模糊、高斯模糊、运动模糊三种典型模糊失真下在720次迭代过程中图像的图像质量值PSNR、SSIM、FSIM的变化趋势。实验的参数设置中，尽量保证模糊类型和失真程度大小的全面性。在均匀模糊下，模糊核（kernel size，简记为K）大小设置为[5 5]、[15 15]、[25 25]；高斯模糊参数设置为模糊核大小K为[55]、[9 9]、[15 15]，标准偏差Sigma（简记为S）为1和3；运动模糊参数为:距离length（简记为L）为10、20、40，角度angel（简记为A）为0。表1数据记录了三种模糊类型下，NCSR算法在某些关键迭代步骤上的图像质量值。从表1数据可以看出，图像质量值有两种变化趋势:a) 情况A，图像质量值在前面较少的迭代次数时便达到峰值，在随后的迭代次数中，图像质量值一直下降；b) 情况B，图像质量在迭代前期提升很快，在后期迭代次数非常缓慢地上升。对于情况A来说，算法发生了过迭代的现象，过多的迭代不仅给算法造成了很大的时间开销，而且随着迭代次数的增加复原的图像质量越来越低；就情况B而言，算法在前面的迭代中图像质量值变化很大，有非常明显的提升，而后期迭代中图像质量值变化缓慢，图像质量值变化不大（从人眼视觉观察角度）。总之，无论是对于上述哪种情况而言，需要自适应地设置迭代终止条件从而保障NCSR算法在获得最佳去模糊图像质量的同时具有令人满意的执行效率。