《表2 部分基于窗口的视网膜血管分割方法性能比较》
提示：宽带有限、当前游客访问压缩模式
上述部分方法性能比较如表2所示。基于窗口处理的方法可以保持血管原有结构，对细小血管的分割效果较好，但需要对每一个像素进行处理，因此计算量较大，分割时间长。
| 图表编号 | XD0032644400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.25 |
| 作者 | 向陈君、张新晨 |
| 绘制单位 | 华中师范大学物理科学与技术学院、华中师范大学物理科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 基于不同块尺寸的U-Net算法血管分割结果评价指标比较（%）》2021.02.10
- 《表2 不同分割方法的性能比较》2020.07.25
- 《表3 DRIVE数据视网膜血管分割结果》2020.12.31
- 《表4 STARE数据视网膜血管分割结果》2020.12.31
- 《表3 基于像素分类的图像语义分割方法性能》2020.06.01
- 《表2 基于区域分类的图像语义分割方法性能》2020.06.01
- 《表3 分块策略性能比较：基于深度迁移学习的肺结节分割方法》2020.07.10
- 《表1 评估参数标准公式：改进U型网络的眼底视网膜血管分割方法》2020.06.25
- 《表2 不同方法的视网膜血管分割结果在DRIVE、STARE和CHASE＿DB1数据库上的比较》2020.02.25
- 《表2 算法性能比较：基于方向分数和Frangi滤波器的视网膜血管分割算法》2020.02.01
- 《表1 像素点的分割结果：基于Frangi滤波器和Otsu视网膜血管分割》2019.09.25
- 《表3 几种基于形态学与其他分割方法相结合的视网膜血管分割算法性能比较》2019.09.25
- 《表3 4种分割结果：U-net与Dense-net相结合的视网膜血管提取》2019.09.16
- 《表4 血管分割方法性能评估指标》2019.09.16
- 《表2 时间性能：基于实例分割网络与迭代优化方法的3D视觉分拣系统》2019.09.01
- 《表2 性能评价参数：基于高光谱图像分割的固态发酵中不同杆菌的识别方法》2019.09.20
- 《表1 视网膜血管分割方法性能评估指标和计算方法》2019.04.25
- 《表5 高斯滤波的结果：PCNN与形态匹配增强相结合的视网膜血管分割》2019.04.01
- 《表2 血管分割方法的比较Tab.2 Comparison of vessel segmentation methods》2018.06.28
- 《表1 评价标准计算公式：视网膜血管图像分割研究现状分析》2019.11.15