《表2 基准数据集中不同超分辨算法的平均PSNR和SSIM对比(尺度因子为×3)》
需要注意的是,绝大多数超分辨算法主要报道了在基准数据集上的PSNR和SSIM值,详细结果可见表1—3,其中上标a表示数据来源文献[40],上标b表示数据来源文献[30],上标c表示数据来源文献[1]。从表中可以看出,基于深度学习的超分辨重建算法的实验效果大幅度地超过了基于传统特征的方法,这表明对于图像超分辨重建,相比于传统的底层特征,利用深度学习方法所得到的自适应特征更有助于高频信息的恢复和重构[99?100]。
图表编号 | XD00138091600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 史振威、雷森 |
绘制单位 | 北京航空航天大学宇航学院图像处理中心、北京航空航天大学宇航学院图像处理中心 |
更多格式 | 高清、无水印(增值服务) |