《表1 3种算法的PSNR值（db)》

  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

《基于改进高斯滤波算法的叶片图像去噪方法》

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

其中，MAX表示图像的灰度级，一般为255，MSE为均方根误差，m、n为图像尺寸。I (i，j）和K (i，j）表示两幅对比图像中（i，j）点坐标位置（Liu and Zhai，2017）。本研究计算了降噪后处理图像与原图像的峰值信噪比，用以比较3种算法的降噪效果。由表1可知，降噪后与降噪前的PSNR值对比，传统高斯滤波算法的PSNR值基本维持在16 db左右，现有自适应高斯滤波算法PSNR值基本维持在21 db左右，改进的自适应高斯滤波算法PSNR值在23 db左右。由此可得，传统高斯滤波算法进行图像降噪处理后，不同噪声强度下其效果差距不明显；现有自适应高斯滤波算法在不同强度的噪声干扰下，降噪效果明显优于传统高斯滤波；改进的自适应高斯滤波算法相对于现有高斯滤波算法优化效果更佳。在不同噪声强度的干扰下，改进的自适应高斯滤波算法优化效果明显，在0.01、0.02和0.03噪声强度下，分别比传统高斯滤波算法PSNR值提升6.942、6.965和6.718 db。