《表2 算法计算时间对比：应用于嵌入式设备的指纹图像质量估计方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应用于嵌入式设备的指纹图像质量估计方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

时间复杂度可以定性描述算法的运行时间，是算法实际应用中考虑的一个方面，算法能否应用于实际中的重要考虑因素.应用中往往希望在保证性能前提下，能降低算法时间复杂度和资源消耗.为了验证本文提出的指纹图像质量估计算法在时间复杂度上的优势，分别在不同的平台上实现所提出指纹质量估计算法.在NVIDIA GTX 960 [email protected]平台上使用C语言实现并行化加速程序运行；在Intel FPGA ARRIA V平台上采用并行的方式，以硬件描述语言实现；针对于嵌入式终端应用场景，分别在TI的DSP TDA3MA@500 MHz、ARM Cortex-A9@925 MHz、ARM Cortex-M4@168 MHz对算法进行实现并比较算法运行时间.表2是本文提出的算法与现有的部分质量估计算法在时间复杂度和计算时间的对比，从表中可以看出，本文提出的算法计算时间复杂度明显低于DNN、MP-CCP和MDT算法，与FR-IQA算法复杂度相近.从实际算法在硬件平台运行时间的结果可以看出，FR-IQA算法和本文提出的算法在各类硬件平台上运行时间少于其他3种算法，适合在基于Cortex-A9和Cortex-M4的平台中应用，但是FR-IQA采用传统图像的质量估计方法虽然在时间也具有优势，但由3.2节比较可知，FR-IQA难以在质量估计准确度较高的场景下应用.