《表2 测试集在放大因子为4时的平均RPSN》

  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

《基于逐级反投影网络的车牌图像超分辨率重建》

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

unit:dB

为验证本算法的鲁棒性，计算所有测试集车牌图像的RPSN和SSIM并求平均值，得到不同光照的低分辨率车牌图像放大4倍的客观评价，结果如表2、表3所示。可以发现，本算法的客观评价结果明显优于其他算法，且车牌图像的重建质量较高。以正常光照的测试集车牌图像为例，相比DBPN算法，GBPN-11算法在减少了75156个参数量的同时，平均RPSN和SSIM分别提高了0.06dB和0.0028。除此之外，在低照度测试集车牌图像中，本算法的性能也优于其他对比算法，这充分验证了本算法的稳定性和鲁棒性。