图像超分辨率-数据集和评价标准

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

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

PSNR与MES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