《表1 各模型在基准数据集和DIV2K验证集上的平均性能比较》
实验结果:在DIV2K验证集和基准数据集中的Set5、Set14、BSD100四个数据集上对本文网络DDSRRN进行测试,选取Bicubic、SRCNN[3]、ESPCN[6]、RDN[26]、EDSR[7]和SRGAN[12]这6种算法进行对比。为保证测试的公平性,针对SRCNN使用Caffe框架进行实验;针对SRGAN、ESPCN和本文DDSRRN模型,实验使用Tensorflow框架;针对RDN和EDSR模型,实验使用Pytorch框架。RPSN和SSIM实验统计数据对比结果如表1所示,DDSRRN与SRGAN模型在DIV2K数据集上的RPSN与SSIM表现的直观趋势对比如图4所示。最后,从测试集中选取部分结果图像的细节放大效果图像对比,如图5~7所示,能够从视觉效果上直观地评估各种SISR方法重建图像的质量。与SRGAN模型方法相比,可以看出DDSRRN重建的图像细节更丰富,更接近于真实图像。
图表编号 | XD00119128400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.10 |
作者 | 袁飘逸、张亚萍 |
绘制单位 | 云南师范大学信息学院、云南师范大学信息学院 |
更多格式 | 高清、无水印(增值服务) |