《表1 水下图像增强实验数据》
提示：宽带有限、当前游客访问压缩模式
上面是4种评价指标的理论陈述，4种评价指标的结果如表1所示。
| 图表编号 | XD00220054600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 王浩然、余粟、燕雨薇 |
| 绘制单位 | 上海工程技术大学电子电气工程学院、上海工程技术大学第二图文信息中心、上海工程技术大学电子电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 实验数据与结果：基于增强引力搜索和神经网络的图像分类》2020.12.16
- 《表1 实验煤样性质：多尺度融合增强的图像语义分割算法》2021.01.15
- 《表5 图像增强方法实验对比结果》2020.04.25
- 《表1 样本实验数据：一种织物背景上的指纹图像增强方法》2020.06.15
- 《表1 实验数据比较：基于顶帽底帽变换的仿生图像增强算法》2020.05.10
- 《表1 水下图像增强方法对比》2020.03.25
- 《表1 对比平均运行时间：改进版拉普拉斯锐化的水下图像增强方法研究》2020.07.01
- 《表4 实验物体种类：图像增强方法在深度学习图像识别场景应用中的可行性研究》2020.04.30
- 《表1 3D采样数据：一种基于深度计算的图像增强现实系统实现》2020.02.15
- 《表2 实验测试结果：一种基于深度计算的图像增强现实系统实现》2020.02.15
- 《表1 水下图像数据集检测结果对比》2019.12.01
- 《表1 测试参数设置：基于数据挖掘三维数字图像模糊增强系统设计》2019.11.15
- 《表1 图1的评价数据：结合MSRCP增强的夜间彩色图像拼接算法》2019.11.16
- 《表3 图7实验数据对比：基于侧抑制系数的红外图像细节增强算法》2019.10.01
- 《表2 图6实验数据对比：基于侧抑制系数的红外图像细节增强算法》2019.10.01
- 《表1 图5实验数据对比：基于侧抑制系数的红外图像细节增强算法》2019.10.01
- 《表1 实验结果比较：基于深度网络和数据增强的多物体图像识别》2019.05.01
- 《表1 指定参数：一种高效的水下图像增强算法——CLAHE的优化》2019.10.10
- 《表2 定量对比结果：一种高效的水下图像增强算法——CLAHE的优化》2019.10.10
- 《表1 不同图像增强算法在FEI数据集上的比较》2018.06.20