三、实验与分析
1.实验说明
针对本章所提出的基于图像相似度—反应扩散理论的大气湍流模糊降质图像复原模型及算法,以Matlab7.8为测试平台完成仿真实验,选取三幅测试图像:第一幅来自中国于2007年发射的“嫦娥一号”月球探测器拍摄的月球表面图像Moon,其大小为256×256;第二幅来自美国国家航空和宇宙航行局(NASA)获取的火星表面图像Mars,其大小为320×450;第三幅来自中国玉树地震时卫星获取的遥感图像Yushu,其大小为410×700。如图8-4所示。
图8-4 测试图像
仿真实验为量度降质图像的复原质量,采用峰值信噪比(PSNR)和结构相似度(SSIM)来客观评价复原图像的质量,且计算SSIM时,令C1=C2=1。仿真实验为测评本章所提出的降质图像复原算法的有效性,将该算法ISRDE与其他常见表现较好的模糊降质图像复原算法进行对比实验,这些算法包括Wiener,Richardson Lucy(迭代次数为5或50),SADA[56]及RF[81]。
本章使用的部分参数值由预设实验测定并获得,实验中当测试图像Moon,Mars及Yushu取不同相似因子σp,σg时其PSNR及SSIM值的变化趋势如图8-5所示:(a)为图像Moon关于相似因子σp,σg与PSNR值的变化关系;(b)为图像Moon关于相似因子σp,σg与SSIM值的变化关系;(c)为图像Mars关于相似因子σp,σg与PSNR值的变化关系;(d)为图像Mars关于相似因子σp,σg与SSIM值的变化关系;(e)为图像Yushu关于相似因子σp,σg与PSNR值的变化关系;(f)为图像Yushu关于相似因子σp,σg与SSIM值的变化关系。
对于测试图像Moon,Mars与Yushu,公式(8-14)中扩散系数λ变化时图像的PSNR及SSIM值的变化趋势如图8-6所示。从图中获知,图像的PSNR及SSIM值随扩散系数λ的变化并不明显,因此本章中扩散系数取值为λ∈[0.001,1]。
图8-5 图像Moon,Mars和Yushu关于相似因子σp,σg与PSNR,SSIM值变化关系的趋势图
图8-6 图像Moon,Mars和Yushu关于扩散系数λ与PSNR,SSIM值变化关系的趋势图
2.实验结果及评价
将本章所提出的降质图像复原算法ISRDE与其他常见算法[包括Wiener,Richardson Lucy(5),Richardson Lucy(50),SADA及RF]在图像模糊去除能力和图像细节信息保护能力方面进行性能比较。针对各类大气湍流模糊并附加噪声(高斯噪声均值为0)干扰影响的测试图像进行图像复原操作,给予降质图像复原质量以客观评价(包括PSNR和SSIM)与主观评价。
(1)图像去模糊的性能实验。对于三幅测试图像(包括Moon,Mars与Yushu),受不同程度大气湍流模糊(其模糊程度分别为σblur=5,10,20,30,40,50)与不同强度噪声(包括高斯噪声,均值为0,方差σ分别为2%,5%,10%,20%,30%,40%,50%;脉冲噪声,其强度σs分别为1%与5%)影响导致其图像模糊降质,使用常见表现较好的降质图像复原算法Wiener,Richardson Lucy(5),Richardson Lucy(50),SADA,RF及本章所提出的算法ISRDE对其进行图像复原,复原后的图像PSNR与SSIM值见表8-2～表8-4。从表中数据获知,对比其他降质图像复原算法,本章所提出的算法ISRDE可取得较好的PSNR与SSIM值,即大气湍流模糊降质图像应用算法ISRDE复原后具有较好图像质量。
表8-2 图像Moon受不同程度大气湍流模糊与不同强度噪声影响降质再由不同算法将其复原后的PSNR(dB)与SSIM(σp=10,σg=10,λ=0.001)
注 GN指高斯噪声,S&P指脉冲噪声,AT指大气湍流模糊程度。
表8-3 图像Mars受不同程度大气湍流模糊与不同强度噪声影响降质再由不同算法将其复原后的PSNR(dB)与SSIM(σp=10,σg=10,λ=0.001)
注 GN指高斯噪声,S&P指脉冲噪声,AT指大气湍流模糊程度。
表8-4 图像Yushu受不同程度大气湍流模糊与不同强度噪声影响后降质再由不同算法将其复原后的PSNR(dB)与SSIM(σp=10,σg=10,λ=0.001)
注 GN指高斯噪声,S&P指脉冲噪声,AT指大气湍流模糊程度。
(2)图像细节信息保护的性能实验。关于降质图像复原算法对图像细节信息保护的性能分析,可参考图8-7～图8-9所示实验结果。通过本章所提出的算法ISRDE与其他算法(包括Wiener,Richardson Lucy(5),Richardson Lucy(50),RF及SADA)的对比实验,给出图像Moon,Mars及Yushu受不同程度大气湍流模糊影响并附加不同强度噪声干扰降质再由各类降质图像复原算法恢复后的效果图。从各组实验效果图分析获知,本章所提出的算法ISRDE对比其他算法可在复原后的灰度图像或彩色图像中保留更多的细节信息,特别在受不同程度大气湍流模糊影响降质图像的复原过程中表现出较好的去除模糊性能,且对不同噪声干扰具有一定的鲁棒性。
图8-7 Moon图像受大气湍流模糊(σblur=30)影响并附加噪声干扰(包含20%高斯噪声强度与5%脉冲噪声强度)降质及利用各种降质图像复原算法复原后的图像
图8-8 Mars图像受大气湍流模糊(σblur=40)影响并附加噪声干扰(包含30%高斯噪声强度与1%脉冲噪声强度)降质及利用各种降质图像复原算法复原后的图像
图8-9 Yushu图像受大气湍流模糊(σblur=50)影响并附加噪声干扰
(包含50%高斯噪声强度与1%脉冲噪声强度)降质及利用各种降质图像复原算法复原后的图像
3.算法效率分析
仿真实验在1.86GHz CPU与1GB RAM配置的PC上运行,本章所提出的算法ISRDE与Wiener,Richardson Lucy(5),Richardson Lucy(50),SADA及RF等其他算法针对同一降质图像(包括Moon,Mars与Yushu)在相同运行条件下分别完成100次图像复原实验并测算其平均运行时间,实验运行数据如图8-10所示。实验运行结果表明,与Richardson Lucy(迭代次数为50)算法相比,算法ISRDE平均运行时间较少;与其他算法相比,算法ISRDE平均运行时间的增加幅度并不明显,但其图像复原能力与图像细节信息保护能力远优于其他算法。因此,综合评价各类降质图像复原算法的成效与代价,本章所提出的基于图像相似度—反应扩散理论的大气湍流模糊降质图像复原算法ISRDE具有较好的性能。
图8-10 各类降质图像复原算法的运算效率