《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》

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

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。