《表1 滤波效果对比表：基于图像处理的钢板缺陷检测方法》
提示：宽带有限、当前游客访问压缩模式
采用峰值信噪PSNR以及均方误差MSE对去噪结果进行评价。表1为滤波效果对比结果。
| 图表编号 | XD0060001000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 闫俊红、何家明、李忠虎 |
| 绘制单位 | 内蒙古科技大学信息工程学院、内蒙古科技大学信息工程学院、内蒙古科技大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 模型效果对比：基于YOLO v3的输电线路缺陷快速检测方法》2020.08.01
- 《表1 特征参数检测结果：基于几何均值滤波与自适应阈值的玻璃基板缺陷检测》2020.05.01
- 《表1 滤波模板：基于ZYNQ的高清图像显示及检测系统设计》2021.02.25
- 《表3 检测成功率对比：基于图像融合与YOLOv3的铝型材表面缺陷检测》2020.11.01
- 《表1 各算法性能对比：基于双线性对称NASNet的磁痕图像缺陷检测》2020.11.25
- 《表1 检测准确性对比：基于源文件可疑度的静态软件缺陷检测方法研究》2020.06.20
- 《表1 检测方案效果比较：基于深度学习和超分辨率重构技术的图像缺陷诊断算法》2020.06.01
- 《表3 各类均值滤波比较：基于图像处理技术的裂缝检测综述》2020.04.15
- 《表1 各算法运行时间：基于连通性检测的图像椒盐噪声滤波算法》2020.02.01
- 《表2 实数a的处理办法：基于超声波检测的BP神经网络缺陷识别方法设计》2019.08.30
- 《表1 试验结果对比：基于机器视觉的泡罩药板穿泡缺陷检测方法》2019.08.30
- 《表1 客观评价指标：基于导向滤波器的医学图像融合方法》2019.06.01
- 《表2 特征提取结果：基于图像处理的钢板缺陷检测方法》2019.06.01
- 《表4 其他算法效果对比：基于卷积神经网络的主变压器外观缺陷检测方法》2019.04.25
- 《表1 缺陷检测结果统计：基于卷积神经网络的轮胎X射线图像缺陷检测》2019.04.10
- 《表1 图像采集系统参数：基于机器视觉的锥形旋压件起皱缺陷在线检测方法》2019.01.25
- 《表1 滤波效果评价表：基于多尺度数学形态学的连铸坯缺陷边缘检测方法》2018.01.01
- 《表1 三种滤波方法的去噪效果对比》2019.12.15
- 《表1 滤波效果对比：基于形态学的连铸坯氧化铁皮测温误差校正方法》2018.08.01
- 《表5 网络改进效果：基于密集连接网络的遥感图像检测方法》2019.11.25