《表2 缩放尺度因子为×2、×3和×4在数据集Set5,Set14,B100和INet200上的平均PSNR/SSIM比较》

  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

《基于深度复合卷积神经网络的低分辨率单影像复原》

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

在定量和定性方面，通过不同缩放尺度因子，将DCCNN与Bicubic，A+，RFL，SelfEx和SRC-NN方法进行对比。对比函数采用目前使用较为普遍的PSNR（峰值信噪比）和SSIM（结构相似度），对比结果见表2。从表2可以看出，本文方法在缩放尺度×2，×3和×4方面效果都很突出，仅在缩放尺寸为×2的Image Net数据集中，PSNR值与SRCNN方法相差0.02。第62页图4为采用SRC-NN模型和DCCNN模型对超低分辨率影像（ULR）进行复原的前后对比图，可以看出，采用DCCNN的复原图像，图像边缘细节更平滑，图像特征识别度更高。