《表2 不同算法不同组件的PSNR和SSIM的结果比较》

  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

《基于组合学习的人脸超分辨率算法》

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

为了体现本文算法的独特性，本文将单独与对比算法比较眼睛、鼻子和嘴巴部分（C1、C2和C3区域）的客观评估指标，结果如表2所示，本文算法的感兴趣区域都优于对比算法。从图6中可以看出：双三次插值法并不能产生额外的细节信息；基于深度学习的SRCNN和VDSR通用图像超分辨率方法，由于其全局优化方案，可以很好地保持局部的基本结构，但是无法恢复更多的高频细节信息；虽然EDGAN可以产生良好的视觉效果，但是本文方法与EDGAN相比具有更好的平滑度，而且在纹理细节上更加准确。实验结果表明，独立采用不同的深度学习模型重建感兴趣的区域可以产生更加丰富的细节信息。