《表2 放大倍数为3的重建图像的PSNR值》
dB
在放大倍数为3的情况下,对Set 5和Set14测试集使用本文方法和其他3种算法分别重建的图像结果如图4、图5所示。(a)图为使用双立方插值(bicubic interpolation)重建算法得到的图像,(b) 图为使用基于CNN的超分辨率(SRCNN)重建算法得到的图像,(c) 图为使用FSRCNN算法得到的图像,(d) 图为使用本文方法得到的图像。在Set 5中的蝴蝶重建图像对比图中进行观察,如图4所示,(d) 图比(a)、(b)、(c)图重建效果更好,细节表现更丰富,蝴蝶翅膀上的花斑表现得很清晰。在Set 14中的狒狒重建图像对比图中进行观察,如图5所示,(d) 图比(a)、(b)、(c)图在纹理细节区域表现得更好,狒狒的毛发看起来更清晰,没有模糊感。在Set 5、Set 14测试集其他的图像中也可以得到同样的结果。因此,对同一幅图像进行超分辨率重建时,与Bicubic算法相比,使用本文方法得到的图像更清晰,细节表现得更丰富;与FSRCNN和SRCNN算法相比,在图像纹理信息丰富的区域,使用本文方法得到的重建效果更好。
图表编号 | XD0036948200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 赵小强、宋昭漾 |
绘制单位 | 兰州理工大学电气工程与信息工程学院、甘肃省工业过程先进控制重点实验室、兰州理工大学国家级电气与控制工程实验教学中心、兰州理工大学电气工程与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |