《表3 不同算法对8张测试图像的信杂比增益》
提示：宽带有限、当前游客访问压缩模式
7种算法在8张测试图像上的信杂比增益和背景抑制因子如表3和4所示.表4中的“-”表示该算法未能检测到红外图像中的小目标，因此不统计其背景抑制因子.
| 图表编号 | XD00157609600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.01 |
| 作者 | 刘俊明、孟卫华 |
| 绘制单位 | 中国空空导弹研究院、中国空空导弹研究院、航空制导武器航空科技重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 数据集描述/张：改进Yolo-v3的视频图像火焰实时检测算法》2021.03.05
- 《表4 频域上不同信杂比、数据量下的识别率（%）》2020.12.01
- 《表3 时域上不同信杂比、数据量下的识别率（%）》2020.12.01
- 《表3 三种算法对图10三张图像分割的运行速度指标比较》2021.02.01
- 《表4 不同算法对8张测试图像的背景抑制因子》2020.07.01
- 《表6 测试集类别张数：图像增强方法在深度学习图像识别场景应用中的可行性研究》2020.04.30
- 《表1 10张测试图像上不同方法的PSNR(dB)比较结果(×4放大4倍)》2020.02.01
- 《表1 通过ALS算法求解两张图像间最优单应性矩阵》2020.02.25
- 《表2 不同算法对测试图像木质部检测结果对比》2020.01.01
- 《表1 本文算法与3R-G-B算法对测试图像分割效果》2020.01.01
- 《表3 不同算法在测试集上的信杂比和背景抑制因子》2020.01.25
- 《表3 不同算法在测试集上的信杂比和背景抑制因子》2020.01.25
- 《表1 熵值法、LS法与LS迭代法处理后信杂比改善的对比》2019.06.01
- 《表1 不同滤波算法对两幅测试图像的处理时间Tab.1 Computing times of different algorithms for the two test images》2019.01.01
- 《表1 不同滤波算法对两幅测试图像的处理时间Tab.1 Computing times of different algorithms for the two test images》2019.01.01
- 《表1 GoPro测试集中1 000张模糊图像评估结果, K表示多尺度层级》2019.04.25
- 《表3 Lai测试集中208张模糊图像评估结果, K表示多尺度层级》2019.04.25
- 《表8 灰平衡测试结果 (选用3张印刷样)》2019.04.20
- 《表5 不同噪声水平下在10张测试图像集合上的预测结果与真实结果的均方根误差Tab.5 The RMSEresults obtained from ten images with different noise levels Noise Le》2018.06.15
- 《表3 不同算法在测试图像上的正确匹配点数》2019.12.01