《表3 过滤器参数：海上舰船目标图像退化函数研究》
提示：宽带有限、当前游客访问压缩模式
实验结果表明，该算法能有效模拟海上舰船目标图像的退化过程，生成的图像与原LR图像的余弦相似度平均在0.997以上。
| 图表编号 | XD00102248100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.20 |
| 作者 | 张坤、李天伟 |
| 绘制单位 | 海军大连舰艇学院航海系、海军大连舰艇学院航海系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 Pol SAR图像舰船目标检测方法适用场景和优缺点总结》2021.02.01
- 《表1 仿真参数：海雾中舰船目标的偏振探测能力研究》2021.02.01
- 《表2 主要参数设置：一种在轨海上多运动舰船目标检测和跟踪方法》2020.05.15
- 《表2 图像中舰船目标尺寸》2020.06.01
- 《表1 实验中高分辨率遥感图像中舰船目标的提取信息》2020.04.25
- 《表1 实验中高分辨率遥感图像中舰船目标的提取信息》2020.04.25
- 《表4 模型简化实验结果：双向特征融合的数据自适应SAR图像舰船目标检测模型》2020.09.16
- 《表1 实验结果对比：基于特征融合的遥感图像舰船目标检测方法》2020.07.01
- 《表3 算法性能对比表：基于RetinaNet的SAR图像舰船目标检测》2020.02.25
- 《表4 改进部分的对比表：基于RetinaNet的SAR图像舰船目标检测》2020.02.25
- 《表2 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表1 实验结果对比：一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法》2020.01.25
- 《表3 舰船目标的成像结果评价参数》2020.02.01
- 《表4 差值效果对比2：海上舰船目标图像退化函数研究》2019.10.20
- 《表2 差值效果对比1：海上舰船目标图像退化函数研究》2019.10.20
- 《表1 数据集详细信息：基于多分类器融合的卫星图像舰船目标识别》2019.09.10
- 《表2 实验结果对比：基于CNN的SAR图像舰船目标检测算法》2019.01.01
- 《表1 检测结果：基于CNN的SAR图像舰船目标检测算法》2019.01.01
- 《表1 运行时间：SAR图像舰船目标检测的Gamma流形方法》2018.06.25
- 《表3 舰船目标检测结果：基于改进EAST算法的舰船目标检测研究》2019.12.25