光学学报, 2019, 39 (7): 0715003, 网络出版: 2019-07-16   

基于深度跳跃级联的图像超分辨率重建 下载: 1494次

Image Super Resolution Based on Depth Jumping Cascade
作者单位
哈尔滨工程大学信息与通信工程学院, 黑龙江 哈尔滨 150001
图 & 表

图 1. SRCNN网络结构图

Fig. 1. Diagram of SRCNN network structure

下载图片 查看原文

图 2. VDSR网络结构图

Fig. 2. Diagram of VDSR network structure

下载图片 查看原文

图 3. 本文算法网络结构图

Fig. 3. Network structural diagram of proposed algorithm

下载图片 查看原文

图 4. 跳跃级联块

Fig. 4. Jumping cascade block

下载图片 查看原文

图 5. 图像butterfly放大4倍后的可视化结果。(a)低层特征;(b)跳跃级联特征;(c)重建特征

Fig. 5. Visualization results of picture butterfly after 4-time magnification. (a) Low-level feature; (b) hopping cascade feature; (c) reconstructing feature

下载图片 查看原文

图 6. Set5测试集下不同层数PSNR均值随迭代次数增长的曲线

Fig. 6. Relationship between average PSNR of different layers with number of iterations under Set5 test set

下载图片 查看原文

图 7. Set5测试集下不同网络结构的迭代次数与PSNR均值的关系曲线

Fig. 7. Relationship between iteration times and average PSNR of different network structures under Set5 test set

下载图片 查看原文

图 8. Set5测试集下不同激活函数PSNR均值随迭代次数的变化曲线

Fig. 8. Relationship between average PSNR of different activation functions with number of iterations under Set5 test set

下载图片 查看原文

图 9. Set5测试集下不同滤波器数目条件下的PSNR均值随迭代次数的变化曲线

Fig. 9. Relationship between average PSNR of different filter numbers with number of iterations under Set5 test set

下载图片 查看原文

图 10. Set5测试集下不同方法的运行时间与PSNR均值的关系曲线

Fig. 10. Relationship between run time and average PSNR of different methods under Set5 test set

下载图片 查看原文

图 11. Butterfly在不同算法下的效果对比图

Fig. 11. Comparison of butterfly images obtained by different algorithms

下载图片 查看原文

图 12. PPT在不同算法下的效果对比图

Fig. 12. Comparison of PPT obtained by different algorithms

下载图片 查看原文

图 13. Man在不同算法的对比图

Fig. 13. Comparison of man images obtained by different algorithms

下载图片 查看原文

表 1在测试集Set5, Set14, BSD100下比较不同方法的PSNR均值

Table1. Average PSNR of test sets Set5, Set14, and BSD100 under different algorithms

DatasetScaleBicubicSRCNN[12]ESPCN[14]FSRCNN[13]VDSR[15]DCSR
233.6836.1936.3836.4537.3437.70
Set5330.4532.4632.7132.5933.4734.13
428.4630.1530.2930.4230.7831.87
230.2132.132.232.2132.8233.26
Set14327.5128.9929.1229.1229.5129.97
425.9827.2327.1727.4327.6228.27
229.4330.8830.9331.2431.5131.81
BSD100327.0828.0628.1628.2528.4328.79
425.8426.6326.5926.8526.8727.28

查看原文

表 2在测试集Set5, Set14, BSD100下比较不同方法的SSIM均值

Table2. Average SSIM of test sets Set5,Set14, and BSD100 under different algorithms

DatasetScaleBicubicSRCNN[12]ESPCN[14]FSRCNN[13]VDSR[15]DCSR
20.93060.95510.95680.95670.95800.9636
Set530.86860.91100.91500.91220.91880.9321
40.81020.86210.86290.86590.87500.8979
20.86930.95760.95970.96340.91040.9644
Set1430.77440.88360.88730.89230.82710.8981
40.70230.82070.82270.82730.75920.8446
20.84400.88010.88310.88670.89240.8964
BSD10030.74010.77550.78110.78030.79280.7987
40.66970.6920.69430.70090.71860.7203

查看原文

袁昆鹏, 席志红. 基于深度跳跃级联的图像超分辨率重建[J]. 光学学报, 2019, 39(7): 0715003. Kunpeng Yuan, Zhihong Xi. Image Super Resolution Based on Depth Jumping Cascade[J]. Acta Optica Sinica, 2019, 39(7): 0715003.

本文已被 4 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!