《表2 测试集在放大因子为4时的平均RPSN》
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。
图表编号 | XD00188277600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 王殿伟、郝元杰、刘颖、谢永军、宋海军 |
绘制单位 | 西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、中国科学院西安光学精密机械研究所、中国科学院西安光学精密机械研究所 |
更多格式 | 高清、无水印(增值服务) |