图像数据数据集

| Dataset | Amount | |
| ------------ | ------ | ---- |
| Set5 | 5 | |
| Set14 | 14 | |
| Urban100 | 100 | |
| BSDS300 | 300 | |
| BSDS500 | 500 | |
| DIV2K | 1000 | |
| General-100 | 100 | |
| L20 | 20 | |
| Manga109 | 109 | |
| OutdoorScene | 10624 | |
| | | |

数据库链接:
http://vllab.ucmerced.edu/wlai24/LapSRN/

插值算法

部分数据集包含HR-LR图像对,其他的只提供HR图像,通过对HR图像BiCubic插值得到LR图像。

基于插值的上采样方法仅基于其自身的图像信号来提高图像分辨率,而不带来更多的信息。重建结果容易带来噪声放大、模糊结果。

为了克服插值方法的缺点,学者提出基于深度学习的上采样层,应用在 post-upsampling framework,在端与端学习的网络末端

Transposed Convolution Layer

通过补0并卷积来扩展图像

1、图像扩展,需要添加的像素补0;

2、使用3X3的内核进行卷积;

Sub-pixel Layer

端到端深度学习的上采样层方式,也被SR模型广泛使用

1、设定上采样因子即放大倍数 S;

2、若对特征图放大S倍,则生成 S^2个相同尺寸的特征图;

3、将S^2个特征图拼接成一个原图放大S倍的大图

PQ评价标准

PSNR

Peak signal-to-noise ratio (PSNR)是应用广泛的质量评估标准

$$ PSNR = 10*log_{10}( \frac{L^2}{\frac{1}{N}\sum_{i=1}^N (I(i)-J(i))^2} ) $$

其中,$N$表示像素数,$I$表示原始图像,$J$表示重建图像,针对 uint8 数据,最大像素值为 255;针对浮点型数据,最大像素值为 1

PSNRMES强相关,对比图像质量越高,PSNR值越大

SSIM

结构相似性Structural Similarity Index (SSIM) 有效评价图像的视觉质量,广泛应用图像压缩、超分辨率等算法评价

主观评价

基于深度学习的IQA质量评价模型

最后修改:2021 年 05 月 12 日 10 : 55 PM
如果觉得我的文章对你有用,请随意赞赏