Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
International Journal of Advanced Network, Monitoring and Controls
Band 7 (2022): Heft 4 (January 2022)
Uneingeschränkter Zugang
Super-resolution Image Reconstruction Based on Double Regression Network Model
Jieyi Lv
Jieyi Lv
und
Zhongsheng Wang
Zhongsheng Wang
| 26. Mai 2023
International Journal of Advanced Network, Monitoring and Controls
Band 7 (2022): Heft 4 (January 2022)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Artikel
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
26. Mai 2023
Seitenbereich:
82 - 88
DOI:
https://doi.org/10.2478/ijanmc-2022-0039
Schlüsselwörter
Super Resolution
,
Mapping Function
,
Deep Neural Network
,
Double Regression Model
© 2022 Jieyi Lv et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Figure 1.
Composition of double regression model
Figure 2.
Super resolution reconstruction process
Figure 3.
Recursive learning
Figure 4.
Double magnification reconstruction comparison of each algorithm
Figure 5.
Comparison of four times magnification reconstruction of each algorithm
Comparison of the results of PSNR reconstruction by two times of each algorithm
Datasets
FSRCNN
SRGAN
ESRGAN
Ours
Set5
32.40
33.19
33.46
34.68
Set14
29.52
29.56
29.47
30.56
Bsd100
26.74
29.47
29.78
29.78
Comparison of SSIM results of four times reconstruction of each algorithm
Datasets
FSRCNN
SRGAN
ESRGAN
Ours
Set5
0.8657
0.8657
0.8569
0.6895
Set14
0.7564
0.7369
0.8697
0.7698
Bsd100
0.7156
0.6689
0.6783
0.6856