《表3 不同噪声等级下使用kernel1时各算法SNR结果》

  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

《采用自适应梯度稀疏模型的图像去模糊算法》

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

注:加粗字体表示最优结果。

为了更加直观地体现本文方法去模糊后图像质量的提高值，图7分别给出了kernel1和kernel2模糊核加1%噪声条件下的去模糊质量对比柱状图，图7清楚显示了各方法的实验结果。同时，为进一步验证本文算法的有效性，表3和表4分别给出了针对不同测试图像，使用不同模糊核和添加不同噪声水平下的各种算法去模糊效果。其中，表3为在采用kernel1模糊核条件下，分别添加1%噪声和4%噪声，经各算法去模糊后的复原图像与原始图像的SNR值。表4为采用kernel2模糊核，分别添加1%噪声和4%噪声条件下，各算法获得的SNR值。上述结果表明，相较于对比算法，对于不同场景、不同光照条件和不同纹理复杂度的测试图像，本文方法均能获取更好的复原效果。