《表1 实测SAR数据：K近邻优化估计的SAR图像建模与目标检测算法》
提示：宽带有限、当前游客访问压缩模式
分别使用RADARSAT-2数据、MSTAR数据库的地面静止车辆数据、TerraSAR-X图像的子图像数据，验证本文方法对SAR图像杂波建模以及CFAR目标检测的有效性，图像数据信息如表1所示.
| 图表编号 | XD00165484700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.01 |
| 作者 | 彭书娟、曲长文、李健伟 |
| 绘制单位 | 海军航空大学研究生三队、海军航空大学、海军航空大学研究生三队 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 MSTAR数据：基于仿真SAR图像深度迁移学习的自动目标识别》2020.07.15
- 《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1 算法运行时间比较：基于二维能量检测的舰船SAR图像阈值分割》2019.12.01
- 《表5 参数估计结果：基于幅相分离和动态粒子群算法的SAR图像属性散射中心参数估计》2019.09.20
- 《表3 参数估计结果：基于幅相分离和动态粒子群算法的SAR图像属性散射中心参数估计》2019.09.20
- 《表2 平均识别率对比：基于深度学习的SAR图像目标识别算法》2019.08.01
- 《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7 基于统计学指标的车辆目标SAR仿真与实测图像评估结果均值统计》2019.03.01
- 《表6 所提方法对车辆目标SAR仿真与实测图像评估结果统计》2019.03.01
- 《表5 车辆目标的SAR仿真与实测图像评估结果实例》2019.03.01
- 《表1 目标检测结果：一种面向机载SAR图像的目标检测算法》2019.03.18
- 《表1 训练集和测试集：基于相关性分析的SAR图像目标方位角估计》2019.01.20
- 《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1 仿真实验参数：SAR图像动目标重聚焦算法》2018.11.01
- 《表3 SAR图像目标检测算法性能对比》2019.10.01