《表3 不同的方法在Middlebury数据集A上重建结果的定量分析(SSIM)》
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
《基于金字塔式双通道卷积神经网络的深度图像超分辨率重建》
图5是当超分辨率重建倍数为8时本文方法和其他方法在Middlebury数据集上的重构结果图像对比,红色矩形区域(见电子版)对应局部放大区域。Liu[9]和Li[11]利用彩色图像引导深度图像超分辨率重建,从图5(b)(c)可以看出,这两种方法存在边缘模糊的问题,因为这两种方法不能完全解决结构不一致的问题。由图5(d)可以看出,由于VDSR使用了双三次插值进行预处理,所以重建图片存在边缘伪影的现象。由图5(e)可以看出,本文方法有效地解决了边缘失真和伪影的问题,因为本文双通道网络结构提取的特征具有互补性。由表1、2可知,在RMSE指标上,本文算法均优于传统深度图像超分辨率重建算法(例如文献[9~11,13,16]方法)和深度学习算法(SRCNN,VDSR,Lap SRN,文献[20,21]方法)相比,本文也取得了较好的结果,有11个最优结果,4个次优结果。由表3、4可知,在SSIM指标上,本文取得了15个最优结果,1个次优结果。在表中,黑色字体表示最优值,下画线标志次优值。Lap SRN和本文都是基于CNN对图像的超分辨率重建,与其相比,本文的RMSE指数平均降低了约0.20,降低比例约12.45%。SSIM指数平均增加了约0.002。
图表编号 | XD00198028500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.05 |
作者 | 于淑侠、胡良梅、张骏、张旭东 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |