《表1 不同SR方法的平均PSNR和SSIM的对比结果》

  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

《基于结构自相似性和形变块特征的单幅图像超分辨率算法》

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

通过实验结果来验证本文方法的有效性。为了评价图像重建的质量，同时从主观视觉和客观评价两个方面衡量对比结果。以数据库Set5中的娃娃图像为例，图5为放大2倍情况下，不同方法的主观视觉图和相应峰值信噪比，图5的四张图片是从四个数据库中分别随机抽取的一张作为代表显示。主观上，可以看出本文方法的视觉效果最好，优于现有方法中的稀疏字典方法Sc SR[3]、Kim等[23]算法和SRCNN算法[7]；其他对比方法，在重构的图像容易产生伪影效应，一些细节没有较好地恢复出来。本文方法恢复的局部细节信息清晰细腻，整体效果更接近原始图像。由于本文方法考虑了内在图像块结构自相似特性，因此恢复的视觉效果最好，产生的边缘也更清晰。客观指标评价上，本文是从四个数据库中所有图片的峰值性噪比（PSNR）的平均值按不同的尺度显示如表1中所示，在Set5数据库中放大2倍的情况下，双三次插值方法的平均峰值信噪比最低，只有33.64 d B，对比SRCNN算法只能36.28 d B左右，本文方法在峰值信噪比上是最好的，能够达到36.52 d B。从四个数据库中所有图片SSIM的平均值按不同的尺度显示如表1中所示，相比其他算法本文方法的SSIM值最大，说明本文算法失真最少，与原图片最相似，而对于另一种结合结构自相似性和卷积网络的单幅图像超分辨率算法[13]，视觉效果上差距不大故没有作出主观效果图的对比，但是时间复杂度上减少了不少。比起时间消耗，结合结构自相似性和卷积网络的单幅图像超分辨率算法平均消耗时间为120 s，本文算法平均时间为40 s。