针对传统补偿网络模型PCN生成图像边缘丢失、精度缺失和补偿效果不佳的问题，提出基于补偿网络模型PCN,分别引入超清机制和感知损失SR层，得到基于卷积神经网络的补偿网络优化模型SRCN。实验结果表明，将SRCN补偿网络模型应用到多投影系统数据集后，SRCN模型的SSIM、PSNR客观指标分别取值为0.93和20.51,相较于基础的PCN图像反射补偿模型，本模型的SSIM、PSNR值高出了0.25和2.18。且本模型的RMSE值为0.09,比PCN模型低了0.05。由此可知，本模型在PCN模型的基础上加入超清机制和感知损失后，生成的图像纹理细节更加丰富，图像的人眼感知度更加清晰，无图像边缘模糊问题，说明优化后的模型具备可行性。
同刊文献
| 基于特征的兴趣推荐系统研究 | 2017 |
| 电力系统远程监测协议的设计 | 2017 |
| 运动捕获技术在3D计算机动画制作中的应用 | 2017 |
| 服装CAD系统的自适应排料方法研究与设计 | 2017 |
| 互联网环境下民间艺术的延续 | 2017 |