《表1 木材高光谱纹理增强的输出峰值信噪比对比结果》
提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于SCBSO算法的木材高光谱图像纹理增强模型构建》
分析图4可知，本文方法能有效实现木材高光谱图像的纹理增强，提高纹理的辨识度，测试输出峰值信噪比，得到对比结果见表1.
| 图表编号 | XD00192403600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.15 |
| 作者 | 陈燕 |
| 绘制单位 | 福建林业职业技术学院建筑工程系 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表6 偏最小二乘法与主成分回归法的有机碳高光谱估算模型结果对比》2020.12.01
- 《表3 高粱纹理特征参数：基于高光谱成像技术的酿酒高粱品种分类》2021.03.15
- 《表1 可见光图像超分辨率重构的峰值信噪比对比结果(单位:d B)》2020.11.25
- 《表2 峰值信噪比对比结果》2020.11.25
- 《表1 PSNR（峰值信噪比）实验结果对比》2020.06.16
- 《表1 实际峰值信噪比输出码率大小分析》2020.06.25
- 《表1 不同方法的峰值信噪比对比结果(d B)》2020.05.25
- 《表2 各算法在Pavia University高光谱数据集上的分类结果对比》2020.05.01
- 《表1 各算法在Indian Pines高光谱数据集上的分类结果对比》2020.05.01
- 《表2：经增强处理后图像的信息熵、均方误差和峰值信噪比》2020.04.01
- 《表6 最高识别正确率：对光照变化不敏感的微观高光谱图像木材树种识别算法研究》2020.02.01
- 《表2 图像相似度对比：对光照变化不敏感的微观高光谱图像木材树种识别算法研究》2020.02.01
- 《表1 与其它技术的高光谱图像拼接结果对比》2020.02.25
- 《表2 不同算法图像去噪结果的峰值信噪比对比dB》2019.11.15
- 《表1 病理与MR动态增强图像纹理分析结果对比》2019.08.01
- 《表1 不同算法的峰值信噪比对比结果》2019.07.01
- 《表5 基于SVR与基于PLSR的SOM高光谱估测模型结果对比》2019.02.25
- 《表2 实验结果对比：粒子群优化神经网络的土壤有机质高光谱估测》2019.05.20
- 《表1 传统谱减法与改进的谱减法的输出信噪比比较》2018.12.05
- 《表1 不同去噪算法的输出图像峰值信噪比》2018.03.15