《表2 几种边缘检测算法的MSE值》

  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—拉普拉斯算子的噪声图像边缘检测方法》

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

将几种边缘检测算法与提出的方法在imagenet数据集中选取了10幅图像进行实验，并对结果进行归纳统计。表1～3分别归纳了几种边缘检测算法的PSNR、MSE值以及计算时间，并相应地给出了折线图进行直观比较。几种边缘检测算法的PSNR、MSE值对比如图18、19所示。图18、19中的性能度量图显示，提出的改进高斯—拉普拉斯方法具有高PSNR和低MSE。算法的计算时间如图20所示。从图中可知，提出的改进高斯—拉普拉斯方法的计算时间略高于其他方法，但是在边缘跟踪的质量方面，提出的方法优于其他常规技术。其中Sobel、Roberts和Prewitt这三种梯度算子属于一阶微分算子，对于噪声及光照不均匀等情况的存在，不能完整地勾画出物体的边缘，而高斯—拉普拉斯在平滑噪声方面的效果依然不理想，提出的改进高斯—拉普拉斯方法则很好地解决了这两个问题。对于PSNR和MSE的计算，imagenet数据集中提供了地面真值图像。