《表1 在NEU数据库上不同高斯噪声下的采用LBP、MB-LBP、Improved MB-LBP特征的识别率对比》

  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

《改进MB-LBP特征与LPP算法在带钢表面缺陷识别上的应用》

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

为了验证改进的特征的抗噪性能，在不同高斯噪声下分别采用LBP、MB-LBP替换本文改进的MB-LBP特征用于带钢表面缺陷识别，其中为了尽可能保持缺陷图像的空间结构，先对图像进行分块，再提取LBP和MB-LBP特征，结果如表1，从表1中可以看出采用LBP、MB-LBP以及本文改进的MB-LBP用于缺陷识别的识别率逐步提高，使用MB-LBP特征相较于LBP特征使得识别率分别提高16.12%，20.98%，7.78%，2.98%，改进后的MB-LBP特征相较于改进前增加了邻域信息弥补了由于细节的丢失而导致的对图像描述不全面的缺点，将识别率分别提高了5.17%，5.42%，7.21%，5%。从表1中也可以看出当信噪比低于40 d B时，不同算法的识别率都急剧下降，本文算法只适用于信噪比大于等于40 d B情况下。