《表1 算法参数：微生物图像的非局部主成分分析稀疏泊松去噪》
提示：宽带有限、当前游客访问压缩模式
本文算法中的参数定义和取值如表1。
| 图表编号 | XD00197730500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.01 |
| 作者 | 孙照旋、周芳、朱志峰 |
| 绘制单位 | 安徽工业大学电气与信息工程学院、安徽工业大学电气与信息工程学院、安徽工业大学电气与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表7 3种算法精度比较：基于稀疏子空间的局部异常值检测算法》2020.10.01
- 《表5 混淆矩阵：基于稀疏子空间的局部异常值检测算法》2020.10.01
- 《表1 准确率对比：基于主成分分析和CNN的图像分类算法研究》2020.10.01
- 《表2 时间对比：基于主成分分析和CNN的图像分类算法研究》2020.10.01
- 《表2 参数设定：基于稀疏表示的高光谱图像解混算法研究》2020.07.25
- 《表1 实验参数：基于颜色和边缘信息的非局部立体匹配算法》2020.05.25
- 《表1 各种模型的保真项：基于变分正则化的混合泊松-高斯噪声图像去噪方法综述》2020.07.30
- 《表1 实验数据集：基于边缘检测的非局部均值图像去噪算法》2020.08.18
- 《表1 稀疏梯度域非参数贝叶斯字典学习图像去噪算法》2020.03.16
- 《表1 去噪结果对比：面向图像复原的分层贝叶斯局部高斯混合模型》2020.02.01
- 《表1 定量分析：基于融合稀疏模型的引导单幅图像去雨算法》2020.04.20
- 《表1 每层的参数设置：基于局部路径特征信息神经网络的图像去噪》2020.01.01
- 《表1 每层的参数设置：基于局部路径特征信息神经网络的图像去噪》2020.01.01
- 《表1 算法效果比较表：一种基于分组稀疏编码的复数图像降噪算法》2019.09.01
- 《表1 去噪算法对比分析：末敏弹线阵红外图像的Harris角点检测优化算法》2019.09.25
- 《表3 主成分载荷矩阵(基于非凸罚函数的稀疏主成分分析)》2019.09.15
- 《表2 主成分载荷矩阵(稀疏主成分分析)》2019.09.15
- 《表2 结构相似比比较：改进SVM分类和稀疏表示的图像混合去噪算法》2019.07.01
- 《表1 峰值信噪比比较：改进SVM分类和稀疏表示的图像混合去噪算法》2019.07.01
- 《表1 采用自适应梯度稀疏模型的图像去模糊算法步骤》2019.02.16