SelfExSR, 转换自样本的单一图像超分辨率( CVPR 2015 )

分享于 

8分钟阅读

GitHub

  繁體 雙語
Single Image Super-Resolution from Transformed Self-Exemplars (CVPR 2015)
  • 源代码名称:SelfExSR
  • 源代码网址:http://www.github.com/jbhuang0604/SelfExSR
  • SelfExSR源代码文档
  • SelfExSR源代码下载
  • Git URL:
    git://www.github.com/jbhuang0604/SelfExSR.git
    Git Clone代码到本地:
    git clone http://www.github.com/jbhuang0604/SelfExSR
    Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/jbhuang0604/SelfExSR
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
    

    转换自样本( CVPR 2015 )的单一图像超分辨率

    简介

    这是本论文的研究代码:

    bin,,and,"变换自样本的单图像超分辨率",CVPR 2015PDF服务。

    算法在不需要外部训练数据集。特征抽取和复杂学习算法的基础上,实现了图像超分辨率的实时性。 有关详细信息,请访问我们的项目页面

    所有数据集( Set5,Set14,城市 100,BSD 100,sun hays 80 )。预计算结果和可视比较都可以在以下部分找到。

    引用

    如果你发现对你的研究有用的代码和数据集,请考虑:

    
    @inproceedings{Huang-CVPR-2015,
    
    
     title={Single Image Super-Resolution From Transformed Self-Exemplars},
    
    
     Author = {Huang, Jia-Bin and Singh, Abhishek and Ahuja, Narendra},
    
    
     booktitle = {Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
    
    
     pages={5197--5206},
    
    
     Year = {2015}
    
    
    }
    
    
    
    

    电子邮件内容

    文件夹说明
    高速缓存用于消失点检测的缓存数据
    数据测试五个数据集( Set5,Set14,城市 100,BSD 100,sun hays 80 )的图像。 所有图像都按照所需的超级分辨率因子裁剪。 这就避免了groundTruth高分辨率图像和超分辨率图像的不
    外部我们使用 imrender 中的vgg_interp2来执行双线性插值
    quant_eval定量评估代码
    引用CVPR纸张和bibtex的副本
    MATLAB源代码

    要在所有数据集上运行该算法,只需运行 sr_demo_bacth.m。 请注意,它是一个不针对速度优化的教育代码。 在时间点上,你可以通过少量迭代实现类似的结果,例如在文件中设置迭代次数( opt.numIter = 5; )。 在图中可以找到速度和质量权衡的例子。 10中的。

    欢迎使用反馈和评论 ! 请随时联系我,通过 jbhuang1@illinois.edu。

    enjoy!

    注意:对于vanish点检测只提供 Windows,一个跨平台版本将包括在。

    与stateoftheart的比较。

    数据集

    在集 5.集 14.城市 100.BSD 100和sun海斯 80上的全部超级分辨率结果可用。

    | 数据源| 图像源| 下载完整结果| |---- | ---|----| ----| | Set | Bevilacqua。 BMVC |/( 16.1 MB ) | | Set Set | Zeyde等。 LNCS | link ( 86.0 MB ) CVPR 2015/( 1.14 GB ) | | BSD 100 | Martin等等。 ICCV | Hays/( 568 MB ) | | 太阳充电器 80 | Sun和充电器 ICCP ICCP 2012 |链路

    设置 5数据集- 链接Set 5

    设置 14数据集- 链接Set 14

    城市 100数据集- 链接Urban 100

    BSD 100数据集- 链接BSD 100

    sun hays 80数据集- 链接Sun-Hays 80

    基于的超分辨率图像超分辨率算法

    在每个数据集中,我们包含了state-of-the-art单一图像超分辨率算法的结果:

    图像描述
    HR高分辨率图像。所有图像都被裁剪,以便每个尺寸都是超分辨率因子的倍增。 这避免了定量比较中的失调问题。
    用双三次内核采样生成低分辨率测试图像。
    双三次双三次插值
    近磅最近邻插值
    SelfExSR我们的结果
    A+R。Timofte。V。Smet和L。 Van Gool,A+: 调整后的锚定邻域回归,用于快速超分辨率。 计算机视觉( ACCV 2014 ) 会议。 代码可用在这里。
    AbhishekA。Singh和N。Ahuja,使用子带自相似性的超分辨率。 计算机视觉( ACCV 2014 ) 会议。 没有公开的实现。作者提供了结果。
    英镑K。I。Kim和Y。 ,"利用稀疏回归和自然图像的单图像超分辨率",IEEE传输。 Pattern 分析和机器智能,vol。 32,6,。 1127 -1133。2010.这里的代码可用
    GlasnerDaniel Glasner,Shai Bagon,Michal Irani。 从单一图像中获得超级分辨率,在国际视觉( ICCV 2009 )的国际会议中。 没有可用的public 实现。结果由我们自己的实现生成。
    ScSRJianchao杨,约翰。Wright,Thomas和 Yi。 基于稀疏表示的图像超分辨率。 IEEE图像处理的IEEE事务,问题为1,pp2861-2873,4. 代码可用在这里。
    SRCNN,改变了 Loy,Kaiming,Xiaoou唐。 在欧洲视觉( ECCV 2014 ) 会议中学习深度卷积网络的图像超分辨率。 代码可用在这里。

    基于的定性比较

    在我们的补充材料中,我们使用state-of-the-art算法进行 includde 120. 在这里下载文档

    你可以通过以下链接浏览和比较我们的结果与其他方法。

    定量比较

    我们报告了三种类型的度量

    Results Results Scale Scale Bicubic Bicubic Bicubic sub SRCNN
    2x - PSNR33.6435.7836.24子带35.4336.28A +36.50
    3x PSNR30.3931.3432.30子带31.1032.37A +32.62
    - PSNR28.4229.0730.07子带28.8430.08A +30.33
    一磅0.92920.94850.9518子带0.94520.9509A +0.9537
    x - SSIM0.86780.88690.9041子带0.88110.9025A +0.9094
    - SSIM0.81010.82630.8553子带0.82100.8525A +0.8623
    2x - IFC5.726.947.05子带6.706.85A +7.83
    3x - IFC3.453.984.25子带3.684.11A +4.76
    - IFC2.282.572.82子带2.422.76A +3.19
    Results Results Scale Scale Bicubic Bicubic Bicubic sub SRCNN
    2x - PSNR30.2231.6432.14子带31.4132.00A +32.23
    3x PSNR27.5328.1928.96子带28.2128.90A +29.16
    - PSNR25.9926.4027.18子带26.4327.13A +27.40
    一磅0.86830.89400.9031子带0.88810.9012A +0.9036
    x - SSIM0.77370.79770.8140子带0.79260.8124A +0.8197
    - SSIM0.70230.72180.7434子带0.71630.7395A +0.7518
    2x - IFC5.746.836.92子带6.476.68A +7.60
    3x - IFC3.333.753.92子带3.593.81A +4.38
    - IFC2.182.462.57子带2.302.50A +2.90
    Results Results Results Bicubic Bicubic Bicubic Bicubic sub SRCNN
    2x - PSNR26.6628.2628.7428.3427.8528.6528.8729.38
    - PSNR23.1424.0224.2024.1923.5824.1424.3424.82
    一磅0.84080.88280.89400.88200.87090.89090.89570.9032
    - SSIM0.65730.70240.71040.71150.67360.70470.71950.7386
    2x - IFC5.726.986.867.086.176.668.027.96
    - IFC2.272.752.712.722.352.633.163.33
    在 BSD 100缩放的结果上,双三次 ScSR Kim子带 Glasner SRCNN A+我们
    2x - PSNR29.5530.7731.1130.7330.2831.1131.2231.18
    3x PSNR27.2027.7228.1727.8827.0628.2028.3028.30
    - PSNR25.9626.6126.7126.6026.1726.7026.8226.85
    一磅0.84250.87440.88400.87740.86210.88350.88620.8855
    x - SSIM0.73820.76470.77880.77140.73680.77940.78360.7843
    - SSIM0.66720.69830.70270.70210.67470.70180.70890.7108
    2x - IFC5.266.206.306.365.566.097.156.84
    3x - IFC3.003.373.493.172.723.393.923.81
    - IFC1.912.222.202.181.862.182.512.46

    图像  SUP  SIN  EXE  Super  SELF  
    相关文章