《表1 沙盘模型亮度特征、边缘特征和纹理特征对比》
提示：宽带有限、当前游客访问压缩模式
划定检测暴露区域后[图5（a）]，将伪装前后图像导入评估软件后，输出后经整理得到图5（b），图6和表1所示。
| 图表编号 | XD0013053600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.03.25 |
| 作者 | 韩昊、康青、陈善静、王正刚、沈志强、周冲 |
| 绘制单位 | 陆军勤务学院、陆军勤务学院、陆军勤务学院、陆军勤务学院、陆军勤务学院、陆军勤务学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 实验对比算子介绍：结合微分特征和Haar小波分解的鲁棒纹理表达》2020.09.10
- 《表2 纹理参数：融合影像纹理、光谱与地形特征的森林冠顶高反演模型》2020.09.01
- 《表1 植被指数：融合影像纹理、光谱与地形特征的森林冠顶高反演模型》2020.09.01
- 《表1 两组患者CT平扫图像的纹理特征参数对比》2020.12.10
- 《表3 不同序列使用灰度特征和纹理特征混合建模结果》2020.06.25
- 《表2 算法评估结果：基于自适应纹理特征和码本模型的分层运动目标检测算法研究》2020.12.01
- 《表4 纹理特征算法结果对比》2020.08.10
- 《表3 基于纹理特征的PLS-DA和RBF-SVM判别分析模型判别结果》2020.03.15
- 《表1 纹理特征：综合Span图和纹理特征的高分三号影像建筑区提取》2020.01.25
- 《表5 模型验证表：基于红土微观分形纹理特征的反演研究》2019.09.01
- 《表4 模型验证表：基于红土微观分形纹理特征的反演研究》2019.09.01
- 《表2 纹理特征提取方法对比》2019.10.10
- 《表4 基于谱特征和纹理特征的识别效果》2019.09.25
- 《表9 基于极化特征和纹理特征的建筑物提取结果》2019.09.15
- 《表4 马铃薯各个生育期多光谱纹理特征模型比较》2019.06.01
- 《表3 动脉期SVM预测模型中权重前10纹理特征》2019.07.20
- 《表1 实验数据参数：基于多极化特征和纹理特征的PolSAR图像分类》2019.06.30
- 《表3 FF失真指标对比：融合亮度边缘和纹理的图像质量评价》2019.01.01
- 《表4 基于纹理特征的番茄叶部病害识别模型的准确率和特征提取时间》2019.04.25
- 《表1 茶叶图像的颜色特征和纹理特征参数》2019.01.01