《表1 Set5图像库上不同算法的超分辨率重建结果(PSNR单位:d B)》
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
《基于深度学习局部与非局部信息的单幅图像超分辨率重建》
由表1可以看出,在Set5图库上,传统的双三次插值算法的PSNR和SSIM最低。对比传统的A+和基于深度学习的算法可以看出,即使是最简单的深度学习算法SRCNN,其PSNR也高于A+。SRCNN和FS-RCNN虽能有效地改善插值算法的性能,但作为早期的深度学习超分辨率重建算法,其重建性能相比于后期的深度学习算法仍存在较大的提升空间。在2倍测试上,提出的算法相比于LapSRN能取得0.28dB的PSNR提升,在4倍时能有0.37dB的PSNR增益。在SSIM上,提出的算法在高倍数上比其他深度学习算法有明显的提升。Set5图库中的图像比较平滑,且细节简单突出,受益于非局部相似性的使用,从不同倍数来看,在4倍时,本文算法的SSIM比LapSRN在2倍时提升更多,如在4倍时,SSIM有0.005的增益。
图表编号 | XD00125837800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 翟森、任超、熊淑华、占文枢 |
绘制单位 | 四川大学电子信息学院、四川大学电子信息学院、四川大学电子信息学院、四川大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |