《表2 校正后图像粗糙度 (×10-2)》
提示：宽带有限、当前游客访问压缩模式
为了定量评价校正后的外场场景图像质量，分别计算了三组图像的粗糙度，见表2.本文方法校正后图像粗糙度仅次于SBBNUC方法，校正后图像粗糙度可低至0.95×10-2.但在实际工程中，基本无法达到SBBNUC方法的定量指标，因为无法保证标定实验和外场实验只间隔4小时.
| 图表编号 | XD0063366800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 刘亚梅 |
| 绘制单位 | 长春工业大学机电工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 网络的超参数：基于残差编解码网络的红外图像自适应校正算法》2020.09.20
- 《表1 本底图像校正前后对比》2021.02.01
- 《表2 算法性能试验结果：针对鱼眼图像边缘校正缺失的快速校正算法》2021.03.01
- 《表1 算法性能比较：针对鱼眼图像边缘校正缺失的快速校正算法》2021.03.01
- 《表1 畸变校正方法评估：基于畸变校正的高光谱偏振图像配准方法》2020.07.25
- 《表2 评估结果/像素：基于畸变校正的高光谱偏振图像配准方法》2020.07.25
- 《表2 两步式鱼眼图像畸变校正算法数据结果》2020.09.15
- 《表2 畸变图像校正系统的软硬件运行平台》2020.08.25
- 《表2 图像逆投影校正处理数据（部分）》2020.03.25
- 《表1 图像校正实验结果》2019.08.20
- 《表1 图像误差：基于Broyden族校正的电容层析成像图像重建算法》2019.06.01
- 《表1 校正后的黑体图像标准差和非均匀度》2019.06.01
- 《表3 不同方法处理真实含噪图像粗糙度比较》2019.04.25
- 《表1 不同方法处理模拟含噪图像粗糙度比较》2019.04.25
- 《表2 模拟Ra对比表：基于MATLAB图像处理的铸造表面粗糙度测量方法》2019.04.10
- 《表2 基于多尺度高斯函数图像亮度校正算法的单阈值缺陷分割结果》2019.01.16
- 《表1 校正前后靶板图像数据》2019.04.01
- 《表2 不同方法校正后图像的粗糙度 (×10-2) Table 2 Roughness of the corrected images with different methods (×10-2)》2018.07.01
- 《表2 螺旋扫描模式运动校正算法体配准后的结直肠融合图像质量 (n)》2018.10.10
- 《表3 裸板校正时间对比：基于多方向改进Sobel算子的PCB图像定位校正方法》2019.09.01