《表2 在Set5、Set14和BSD100数据集上不同超分辨率重建方法的平均PSNR/SSIM》
注:粗体标记数字表示最佳效果。
不同图像超分辨率重建方法在Set5、Set14和BSD100数据集上进行测试的PSNR和SSIM结果如表2所示,从客观角度评价了图像的重建效果。可以看出,VDSR、DRCN和LapSRN这3种方法比Bicubic、A+和SRCNN这3种方法的峰值信噪比和结构相似度值均有提高;由于SymRCN方法将对称残差引入到了卷积神经网络中,实现了局部和全局特征融合,SymRCN方法较VDSR、DRCN和LapSRN这3种方法的平均峰值信噪比值分别提高了0.14dB、0.1dB和0.1dB,平均结构相似度值分别提高了0.012 6、0.013 0和0.011 7,充分证明了该方法的有效性和重建图像质量的可靠性。除了图像质量评价外,测试时间也是评价超分辨率重建质量的一项重要指标,不同方法在Set5、Set14和BSD100数据集上测试的时间结果如表3所示。从表3中可以看出,SymRCN方法的测试时间虽略高于LapRCN方法的,但综合峰值信噪比和结构相似度两种评价指标,SymRCN方法的整体重建效果更好,效率更高,同时相较于其他5种比较方法所用平均测试时间较短,实际应用中实时性较好。
图表编号 | XD00112678500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.20 |
作者 | 刘树东、王晓敏、张艳 |
绘制单位 | 天津城建大学计算机与信息工程学院、天津城建大学计算机与信息工程学院、天津城建大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |