文件列表:

\RAISR_result\filters.mat (1819866, 2018-02-28)
\Set14\baboon.bmp (720054, 2018-02-28)
\Set14\barbara.bmp (1244214, 2018-02-28)
\Set14\bridge.bmp (263222, 2018-02-28)
\Set14\coastguard.bmp (304182, 2018-02-28)
\Set14\comic.bmp (271526, 2018-02-28)
\Set14\face.bmp (228584, 2018-02-28)
\Set14\flowers.bmp (543054, 2018-02-28)
\Set14\foreman.bmp (304182, 2018-02-28)
\Set14\lenna.bmp (786486, 2018-02-28)
\Set14\man.bmp (786486, 2018-02-28)
\Set14\monarch.bmp (1179702, 2018-02-28)
\Set14\pepper.bmp (786486, 2018-02-28)
\Set14\ppt3.bmp (1041782, 2018-02-28)
\Set14\zebra.bmp (688214, 2018-02-28)
\src\bicubic\bicubic.m (955, 2018-02-28)
\src\bicubic\bicubicWeights.m (335, 2018-02-28)
\src\bicubic\interplotAlongDim.m (924, 2018-02-28)
\src\helper\createGaussianKernel.m (595, 2018-04-25)
\src\helper\cropInvalidPixels.m (458, 2018-04-25)
\src\helper\filter2d.m (1530, 2018-02-28)
\src\helper\getFileList.m (338, 2018-04-25)
\src\index\PSNR.m (748, 2018-04-22)
\src\index\SSIM.m (2386, 2018-04-22)
\src\RAISR\RAISR.m (2502, 2018-04-25)
\src\RAISR\RAISR_blend.m (951, 2018-02-28)
\src\RAISR\RAISR_computeType.m (208, 2018-04-25)
\src\RAISR\RAISR_createLRImage.m (629, 2018-04-25)
\src\RAISR\RAISR_CT.m (219, 2018-02-28)
\src\RAISR\RAISR_hashFunction.m (1805, 2018-04-25)
\src\RAISR\RAISR_train.m (2496, 2018-02-28)
\src\RAISR\RAISR_transform.m (470, 2018-02-28)
\src\runRAISRTest.m (3427, 2018-04-25)
\src\bicubic (0, 2018-02-28)
\src\helper (0, 2018-04-25)
\src\index (0, 2018-04-22)
\src\RAISR (0, 2018-04-25)
\RAISR_result (0, 2018-02-28)
\Set14 (0, 2018-04-25)
... ...

实现论文:Y. Romano, J. Isidoro, and P. Milanfar, "RAISR: Rapid and Accurate Image Super Resolution" 环境:Matlab R2016a 直接运行` runRAISRTest.m` 就能完成训练和测试的全过程。可以直接更改 scale 和 LR_patch_size 的值,训练代码能根据给定的这两个参数来进行新的训练。 RAISR 的训练过程较长,因为要从插值后的 HR 图像中提取 patch,大概需要 3-4 小时。训练好的结果已经保存在 `RAISR_result` 文件夹下,直接把 `runRAISRTest.m` 的 22、23 行注释掉就能直接进行测试。 ## 结果 用的 patch_size 为 11,scale 为 3,从训练图像中提取出了 7000w 的 patch 进行训练。 计算时间在 MacOS, 2 GHz Intel Core i5, 8 GB 1867 MHz LPDDR3 下进行测试得出;**其中用的 Bicubic 方法为自己实现的,没有实现 Antialiasing 功能**: | Set14 | Bicubic | | RAISR | | | | :------------: | :------: | :------: | :-------: | :------: | :--------: | | | **PSNR** | **SSIM** | **PSNR** | **SSIM** | **Time** | | **baboon** | 21.53 | 0.54 | **23.39** | **0.60** | **28.01s** | | **barbara** | 24.74 | 0.76 | **2***8** | **0.78** | **49.26s** | | **bridge** | 23.42 | 0.66 | **24.85** | **0.70** | **31.38s** | | **coastguard** | 25.20 | 0.63 | **26.97** | **0.66** | **12.16s** | | **comic** | 22.55 | 0.72 | **24.09** | **0.76** | **10.05s** | | **face** | 31.66 | 0.78 | **33.61** | **0.82** | **8.62s** | | **flowers** | 26.88 | 0.81 | **28.43** | **0.84** | **21.***s** | | **foreman** | 28.69 | 0.90 | **31.24** | **0.92** | **12.25s** | | **lenna** | 31.40 | 0.86 | **33.15** | **0.88** | **29.24s** | | **man** | 26.28 | 0.75 | **27.88** | **0.79** | **32.24s** | | **monarch** | 29.17 | 0.92 | **30.96** | **0.93** | **50.26s** | | **pepper** | 29.47 | 0.86 | **31.65** | **0.88** | **31.51s** | | **ppt3** | 23.29 | 0.89 | **24.82** | **0.91** | **42.16s** | | **zebra** | 26.69 | 0.81 | **28.65** | **0.84** | **27.63s** | | ***AVERAGE*** | 26.50 | 0.78 | **28.30** | **0.81** | **28.13s** | 结果也与论文给出的测试结果相近:  选部分结果进行展示:  baboon 的鼻子处的噪点更平滑了。  flowers 的所有过渡的边缘部分都变得没有那么锐利,过渡更自然。  foreman 的结果有了很大的提高,主要是因为后方墙壁的边缘很好的平滑掉了,SF 的结果中墙壁的边缘有很多噪点,而 RAISR 的中不会出现。   可见 RAISR 的结果比 SF 看起来都更加自然和平滑,并且基本都有更高的 PSNR 值。

近期下载者：

相关文件：

评论：[我要评论] [举报此文件]

收藏者：