《表1 不同去压缩效应算法结果的PSNR(dB)/SSIM值比较》
本文的对比算法为CONCOLOR[15]、SSRQC[16]、ARCNN[17]、DnCNN-3[18]、D2SD[19],将JPEG压缩图像作为对比基准。其中,CONCOLOR、D2SD和SS-RQC是基于非深度学习的传统方法,ARCNN和DnCNN-3和本文一样采用深度学习的方法。下文主要从各个算法结果图像的主客观效果来验证本文算法的有效性。表1中给出了不同去压缩效应算法在Classic5和LIVE1上的PSNR和SSIM客观参数值。从表中可以看出,在Classic5数据集上,在QF=20时,提出的算法比对比算法中效果最好的DnCNN-3的PSNR值高出0.37 d B,SSIM值高出0.005 4;在LIVE1数据集上,在QF=40时,提出的算法比对比算法中效果最好的DnCNN-3的PSNR值高出0.34 dB,SSIM值高出0.003 3。说明无论压缩程度高低,提出的算法都能有效去除图像中的压缩效应,获得较好的重建结果。
图表编号 | XD008727200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.10 |
作者 | 王新欢、任超、何小海、王正勇、李兴龙 |
绘制单位 | 四川大学电子信息学院、四川大学电子信息学院、四川大学电子信息学院、四川大学电子信息学院、四川大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |