《表1 不同分块大小下单一尺度稀疏表示算法、双线性插值算法、POCS算法和本章算法重建图像的RMSE值比较结果》

  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

《基于图像自相似性的多尺度稀疏表示肺4D-CT图像超分辨率重建》

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

根据式（14），分别计算5组数据对不同分块大小下单一尺度稀疏表示算法、双线性插值算法、POCS算法和本章算法重建结果的RMSE值，结果如表1所示。双线性插值算法所得的RMSE值最高。虽然基于单一尺度稀疏表示的算法分别采用了与多尺度算法中“根”图像块及子图像块一致的分块大小，但是单一的处理方式使得大块中较小结构无法细化，小块与其所在的局部较大结构也无法保持良好的一致连续性，致使重建效果不佳。而与之相反的多尺度分析，不仅可以把握图像不同尺度下的结构特征，同时还是一个由大到小、由粗到精的优化处理过程。因此，它所重建出图像的RMSE值更低，也更为准确。本章算法尽管与POCS算法重建结果的RMSE值相差并不显著，但是本章算法有效避免了运动估计的过程。