《表3 3种插值算法的效果指标值》

  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

《基于卷积神经网络和小样本的茶树病害图像识别》

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

超分辨率重建（Super-resolution image reconstruction）的概念最早由Harris于1964年提出，是一种针对低分辨率图像提出的一种分辨率恢复方法，在图像处理领域应用广泛[27-28]。插值是图像超分辨率重建的一个关键步骤，广泛采用的有最邻近插值法、双线性插值法、双三次插值法[29]。对比3种插值算法超分辨率重建样本集图像的效果，并计算峰值信噪比（PSNR）、均方误差（MSE）、结构相似性（SSIM）3个指标值进行评价。由图5和表3可知，双三次插值法的放大效果最好，可用于CNN模型训练样本集图像超分辨率重建。