Login
Registrati
Reimposta password
Pubblica & Distribuisci
Soluzioni Editoriali
Soluzioni di Distribuzione
Temi
Architettura e design
Arti
Business e Economia
Chimica
Chimica industriale
Farmacia
Filosofia
Fisica
Geoscienze
Ingegneria
Interesse generale
Legge
Letteratura
Linguistica e semiotica
Matematica
Medicina
Musica
Scienze bibliotecarie e dell'informazione, studi library
Scienze dei materiali
Scienze della vita
Scienze informatiche
Scienze sociali
Sport e tempo libero
Storia
Studi classici e del Vicino Oriente antico
Studi culturali
Studi ebraici
Teologia e religione
Pubblicazioni
Riviste
Libri
Atti
Editori
Blog
Contatti
Cerca
EUR
USD
GBP
Italiano
English
Deutsch
Polski
Español
Français
Italiano
Carrello
Home
Riviste
International Journal of Advanced Network, Monitoring and Controls
Volume 7 (2022): Numero 4 (January 2022)
Accesso libero
Super-resolution Image Reconstruction Based on Double Regression Network Model
Jieyi Lv
Jieyi Lv
e
Zhongsheng Wang
Zhongsheng Wang
| 26 mag 2023
International Journal of Advanced Network, Monitoring and Controls
Volume 7 (2022): Numero 4 (January 2022)
INFORMAZIONI SU QUESTO ARTICOLO
Articolo precedente
Articolo Successivo
Sommario
Articolo
Immagini e tabelle
Bibliografia
Autori
Articoli in questo Numero
Anteprima
PDF
Cita
CONDIVIDI
Pubblicato online:
26 mag 2023
Pagine:
82 - 88
DOI:
https://doi.org/10.2478/ijanmc-2022-0039
Parole chiave
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