《表2 2号叶片融合图像评价表》
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
《基于区域特征脉冲耦合神经网络的航空发动机涡轮叶片DR图像融合》
在表2中,本文方法在EN、AVG、STD、CR方面的优势与表1类似,2号叶片源图像融合后的信息熵、标准差、对比度、平均梯度都比其他方法显示出了明显的优势,说明了融合后的图像对图像的边缘细节信息的保持能力更强,在融合过程中损失信息更少,与图9得到的主观分析结论相呼应,进一步说明了本文方法融合后图像的可用信息更多,能够更加全面地表现出叶片内部复杂结构信息,证明了本文算法在大厚度比工件的DR图像融合中具有适用性。
图表编号 | XD00208478100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 宋艳艳、朱倩、朱建伟、穆晨光 |
绘制单位 | 中国航发上海商用航空发动机制造有限责任公司、中国航发上海商用航空发动机制造有限责任公司、中国航发上海商用航空发动机制造有限责任公司、南昌航空大学无损检测教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |