《表1 同一个区域不同模型的平均PSNR、SSIM和VIF》
为了验证不同深度学习模型重建的图像块自适应融合的有效性,本节比较了不同的模型所产生的效果,如表1所示,相对于CNN模型和C1-GAN模型,本文方法的组合学习模型性能均有不同程度的提升,重建图像的质量明显上升,本文只展示40张C1区域的平均定量值对比实验结果,计算平均客观评估值,本文所提出的算法超过基于CNN和C1-GAN模型分别为1.60 dB/0.016 0/0.040 3,1.39 dB/0.013 9/0.059 9,这表明了组件融合网络的有效性。
图表编号 | XD00134480400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.10 |
作者 | 许若波、卢涛、王宇、张彦铎 |
绘制单位 | 武汉工程大学计算机科学与工程学院、智能机器人湖北省重点实验室(武汉工程大学)、武汉工程大学计算机科学与工程学院、智能机器人湖北省重点实验室(武汉工程大学)、武汉工程大学计算机科学与工程学院、智能机器人湖北省重点实验室(武汉工程大学)、武汉工程大学计算机科学与工程学院、智能机器人湖北省重点实验室(武汉工程大学) |
更多格式 | 高清、无水印(增值服务) |