《表4 图像超分辨率方法的PSNR和SSIM结果》
图9给出4倍尺度上图像超分辨率的结果:图9(h)为原始图像;图9(a)~图9(f)分别为双三次插值上采样,Dn CNN[2],IDN[29],Mem Net[34],DRRN[35]以及RED[45]的结果,这些方法虽然恢复出了部分高频细节,但对于纹理分布密集的区域却出现了比较严重的失真,如图中方框中给出的局部放大区域;与其他方法相比,本文方法结果中的斑马条纹更加接近于原始高分辨率图像.如表4所示,基于对抗神经网络的方法SRGAN[17]在客观评价指标PSNR和SSIM上均明显低于其他方法,但由于SRGAN提出的初衷是为了重建出视觉上更加逼真的超分辨率图像,主观的视觉质量通常会优于其他方法.图10中给出了本文方法与SRGAN的对比结果,可以看出:本文方法不但获得了更高的PSNR和SSIM,而且在主观复原质量方面也强于SRGAN,图像超分辨率性能的优势在主观视觉质量和客观评价指标上实现了统一.
图表编号 | XD00193818700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 刘宇男、张姗姗、王春鹏、李广宇、杨健 |
绘制单位 | 南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院、齐鲁工业大学计算机科学与技术学院、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |