《表2 四种算法光照不均匀图像对比结果》
提示：宽带有限、当前游客访问压缩模式
实验分别用BRISK、ORB、SIFT以及本文算法对每组的第1张图像进行特征点提取，效果图如图13所示，并将特征点个数记录在表2中。减少率q公式如下：
| 图表编号 | XD00201552500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.15 |
| 作者 | 薛冕、刘翔、石蕴玉、辛斌杰 |
| 绘制单位 | 上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院、上海工程技术大学服装学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 图像的信息熵：基于Retinex的自适应非均匀低照度图像增强算法》2020.10.25
- 《表2 图像的梯度：基于Retinex的自适应非均匀低照度图像增强算法》2020.10.25
- 《表2 均匀光照下校正前后对比结果》2021.02.01
- 《表2 量化评估结果比较：保持自然度的非均匀光照图像增强的Retinex算法》2021.01.01
- 《表1 米粒图像评价指标：针对不均匀光照高反光注塑工件图像的缺陷定位和分割》2021.02.25
- 《表1 复杂背景多光照下四种茶叶嫩芽图像数据集》2021.01.25
- 《表1 实验参数：不均匀光照下斑马线的处理与识别》2020.11.05
- 《表2 四种算法在不同噪声下的PSNR和运行时间（Lena图像）》2020.07.25
- 《表2 特殊光照下的图像对比》2020.12.18
- 《表1 去雾效果定量评价：高分辨率遥感卫星图像不均匀云雾去除算法》2020.03.25
- 《表3 四种受照材料的剂量不均匀度测量结果》2020.08.20
- 《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 四种算法重构图像峰值信噪比 (PSNR) 和结构自相似度 (SSIM) 对比》2019.02.01
- 《表6 不光照强度图像匹配正确率》2019.02.01
- 《表5 不光照强度图像匹配时间》2019.02.01
- 《表4 图像亮度阶差对比：细节保持的非均匀光照图像亮度均衡算法》2019.04.01
- 《表3 图像增强度对比：细节保持的非均匀光照图像亮度均衡算法》2019.04.01
- 《表1 图像熵对比：细节保持的非均匀光照图像亮度均衡算法》2019.04.01
- 《表1 预处理测试结果：基于模板匹配方法的不均匀照度车牌图像识别》2018.08.01