《表1 不同大小测试影像重建结果的精度评定Tab.1 Accuracy evaluation of image reconstruction results with different sizes》

  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ODL双字典学习的遥感影像超分辨率重建》

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

表1给出了不同大小测试影像重建结果的精度评定，可以看出，对于不同大小的三幅测试影像，本文算法的PSNS均大于KSVD算法和ODL算法，ODL算法略大于KSVD算法；FSIM指标模拟了人眼视觉系统的特性，在评估影像质量时更为精确[20]，本文算法的FSIM均大于KSVD算法和ODL算法；同时也可以看出，本文算法的相对无量纲全局误差ERGAS小于ODL算法，ODL算法略小于KSVD算法.这是因为对于KSVD算法，在字典学习和影像重建时，用于训练高低分辨率字典的稀疏系数是相同，而实际上，在某些稀疏约束和误差约束下，两者并不完全相同；ODL算法是按批次训练样本，采用下一批次的样本更新上一批次学习的字典，并在训练过程中不断添加新样本，使其重建效果好于KSVD算法；然而，上述两种算法未考虑到影像低频成分和高频成分之间的差异，也未考虑到字典学习和影像重建时，设置相同正则化参数的缺陷，而本文算法运用ODL在线字典学习方法分别学习得到主字典和残差字典，逐步恢复高频信息，并在稀疏字典学习阶段和影像重建阶段分别设置两个不同的正则化参数，从而使得重建效果明显好于KSVD算法和ODL算法.