《表5 在Set14上的实验结果对比》

  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

《多通道递归残差网络的图像超分辨率重建》

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

注:加粗字体表示最优性能。

为进一步验证本文模型相对其他算法对重建性能的提升，将Set5、Set14数据集中的19幅图像进行缩放因子为2的重建，分别计算单幅图像通过每个模型重建后的PSNR和SSIM，其计算结果如表4和表5所示。可见在Set5数据集上，MCSR的PSNR相对三次插值Bicubic、A+、SRCNN、VDSR、LapSRN、EDSR＿baseline和NOC等方法平均分别提升4.36 dB、1.50 dB、1.37 dB、0.47 dB、0.51 dB、0.35 dB和0.03 dB，SSIM平均分别提升0.03、0.005、0.006、0.001、0.002、0.002，和NOC方法相当。在Set14数据集上，MCSR的PSNR相对三次插值Bicubic、A+、SRCNN、VDSR、LapSRN、EDSR＿baseline和NOC等方法平均分别提升3.35 dB、1.16 dB、1.13 dB、0.56 dB、0.59 dB、0.30 dB和0.04 dB，SSIM平均分别提升0.048、0.017、0.010、0.004、0.005、0.003，与NOC方法相当。