2022年9月2号学习总结
matlab常用的图像处理函数：
img=imread(path) %%%读取图片
imshow(img) %%%图片的显示
im_rot = imrotate(image0, angle); %%%旋转图片
im_down = imresize(im_rot, scale, 'bicubic'); %%%图片的下采样
im_flip= flip(img,1) %%%图片的翻转
fullfile(datadir,image_name) %%%路径拼接
h5create(file_name,'/data',size(data),'Datatype','single'); %%%创建一个h5文件
h5write(file_name,'/data',data); %%%将data数据读入该文件下的这个组
h5disp(path) %%%显示h5文件的信息
a=[a,b] %%%z字符串的拼接
modecrop.m函数
将图片裁剪为scale的倍数
function imgs = modcrop(imgs, scale)
if size(imgs,3)==1
sz = size(imgs);
sz = sz - mod(sz, scale);
imgs = imgs(1:sz(1), 1:sz(2));
else
tmpsz = size(imgs);
sz = tmpsz(1:2);
sz = sz - mod(sz, scale);
imgs = imgs(1:sz(1), 1:sz(2),:);
endMATLAB图像处理常用函数_CExploer的博客-CSDN博客
EDSR：
DIV2K是新提出来的高质量图像恢复任务的数据集
有800张训练集，100张验证集，100张测试集。测试集没有公开，在验证集上面进行测试。
也在四个基准数据集上进行测试，Set5、Set14、B100、Urban100
使用RGB 低分辨率 块大小为48的图像对进行训练。
随机水平翻转和旋转90度进行数据增强。
通过减去DIV2K数据的均值进行预处理
ADAM优化器
batch=16
学习率初始化为10-4，并在每2×105 MiniBatch更新中减半
使用L1损失函数。
L2损失函数可以获得更好的PSNR
L1损失函数可以收敛的更快
基准数据集的测试结果。
SRCNN
为了与传统算法进行公平对比，采用相同的数据集
91张数据集
9 5 5 模型参数
真实图片大小为32，这里是子图片，而不是块因为块需要overlapping并且需要后处理
低分辨率图像
步长为14采样，大约提供了24800张子图片
we blur a sub-image by a proper Gaussian kernel, sub-sample it by the upscaling factor, and upscale it by the same factor via bicubic interpolation
先模糊在下采样在上采样
只在亮度通道上进行训练
学习率的设置，前两层是0.0001，最后一层是0.00001
卷积层用0均值0.001标准差的高斯分布进行初始化
为了避免训练过程中的边界效应，所有的卷积层都没有 填充
