《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》

  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

《一种对称残差CNN的图像超分辨率重建方法》

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

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。