《表1 实验数据参数：基于多极化特征和纹理特征的PolSAR图像分类》
提示：宽带有限、当前游客访问压缩模式
本实验选用湖北武汉市的PolSAR数据进行分类实验，数据参数如表1所示。
| 图表编号 | XD0054048600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.30 |
| 作者 | 宋瑞超、赵国忱、卜丽静 |
| 绘制单位 | 辽宁工程技术大学测绘与地理科学学院、辽宁工程技术大学测绘与地理科学学院、辽宁工程技术大学测绘与地理科学学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 基于数据变换特征的极化SAR农作物分类》2020.04.25
- 《表1 两组患者CT平扫图像的纹理特征参数对比》2020.12.10
- 《表3 高粱纹理特征参数：基于高光谱成像技术的酿酒高粱品种分类》2021.03.15
- 《表1 纹理特征分析结果：基于数据挖掘的图像特征分割技术》2020.08.01
- 《表2 数据格式：音乐声的音色感知特征与图像的纹理特征的关联研究》2020.06.01
- 《表1 遥感数据参数：基于多时相GF1-WFV和GF3-FSⅡ极化特征的湿地分类》2020.03.25
- 《表2 纹理特征参数：基于BP神经网络的图像识别系统》2019.12.15
- 《表3 基于无人机图像的不同颜色指数和纹理特征指数与小麦生物量的相关性（n=24)》2019.12.01
- 《表4 基于无人机图像的不同颜色指数和纹理特征指数与产量的相关性（n=24)》2019.12.01
- 《1 水稻昆虫特征参数：基于K-SVD和正交匹配追踪稀疏表示的稻飞虱图像分类方法》2019.10.01
- 《表5 所有数据分类结果：基于纹理特征的高分辨率合成孔径雷达影像单体建筑物震害信息识别》2019.11.08
- 《表9 基于极化特征和纹理特征的建筑物提取结果》2019.09.15
- 《表1 检测结果对比：区域筛选与多级特征判别相结合的PolSAR图像飞机目标检测》2019.07.16
- 《表1 不同尺度LBP纹理特征在住宅区遥感图像上的分类结果比较 (UC Merced Land-Use数据集)》2019.07.01
- 《表2 不同尺度LBP纹理特征在住宅区遥感图像上的分类结果比较 (NWPU-RESISC45数据集)》2019.07.01
- 《表5 结合极化与纹理特征的SVM分类样本混淆矩阵》2019.06.30
- 《表1 茶叶图像的颜色特征和纹理特征参数》2019.01.01
- 《表1 实验参数设置：基于无监督特征选择和卷积神经网络的图像识别算法》2018.10.25
- 《表1 27个特征参量：基于支撑向量机和超像素的极化SAR图像分类》2018.08.01
- 《表3 分类精度：一种结合纹理特征的极化SAR图像SVM分类方法》2018.10.25