Junbo Kosko Xiao IFAM MAM ACAM
Lỗi 0.675 0.893 0.793 0.675 0.675 0.652
Trong chế độ liên kết khác loại, các cặp ảnh cần lƣu trữ là ảnh của 0 và 1, 1 và 2, … Bảng 5.2 cho thấy tổng lỗi của các mô hình khác nhau trong trƣờng hợp này. Từ bảng cho thấy ACAM cũng tạo ra tổng lỗi ít nhất. Cần lƣu ý rằng khi không có nhiễu hoặc chỉ có nhiễu co rút, mô hình của tác giả thực hiện hơi kém hơn IFAMs và MAMs vì cơ chế để giảm ảnh hƣởng của nhiễu. Trong sự hiện diện của chỉ nhiễu giãn nở, mô hình của Xiao cũng thực hiện tốt hơn so với ACAM. Tuy nhiên, sự đánh đổi này là đáng giá để xem xét bởi vì trong thực tế mẫu vào hoàn hảo hay mẫu vào bị biến đổi chỉ bởi nhiễu co rút hay mẫu vào bị bóp méo chỉ bởi nhiễu giãn nở là không phổ biến.
5.5.2 Thử nghiệm với tập dữ liệu của Corel
Bộ dữ liệu này bao gồm các hình ảnh đƣợc lựa chọn từ cơ sở dữ liệu Corel (Hình 5.2). Các mẫu thử nghiệm đƣợc tạo ra từ các mẫu vào bằng cách tạo ra nhiễu muối tiêu ở mức 25% số lƣợng điểm ảnh. Hình 5.3 cho thấy một số mẫu nhiễu đƣợc tạo ra.
Hình 5.2: Một số ảnh từ tập dữ liệu của Corel dùng cho thử nghiệm
Hình 5.3: Các mẫu thử nghiệm đƣợc sinh ra từ các mẫu vào bằng nhiễu muối tiêu
Trong chế độ tự liên kết, 10 ảnh đƣợc sử dụng. Kết quả trong chế độ tự liên kết đƣợc trình bày trong bảng 5.3 cho thấy ACAM hiệu quả trong việc xử lý với nhiễu muối tiêu. Hình 5.4 cho thấy rõ rằng FAM cải tiến cải thiện mẫu ra nhiều hơn các mô hình khác.
Chế độ liên kết khác loại đƣợc thử nghiệm với 10 cặp ảnh, trong đó các ảnh vào khác với ảnh ra. Nhƣ trong các thử nghiệm trƣớc đó, mẫu vào bị biến đổi bởi nhiễu muối tiêu. Bảng 5.4 cũng cho thấy ACAM thực hiện tốt hơn so với các mô hình khác trong sự hiện diện của cả hai loại nhiễu co rút và giãn nở. Hình 5.5 cho kết quả so sánh FAM cải tiến với các mô hình khác.