《表3 三种算法的特征提取平均时间比较》

  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

《改进的Gabor小波变换特征提取算法》

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

实验在三种数据集下，比较本文算法、基于Gabor幅值与相位的特征提取算法、基于Gabor幅值的特征提取算法的特征提取平均时间。计算每一种算法分别在三种数据集下的特征提取平均时间。三种算法的特征提取平均时间比较如表3所示。从表3可以看出，本文算法的特征提取平均时间略高于基于Gabor幅值与相位的特征提取算法。主要是因为本文算法在基于Gabor幅值与相位的特征提取算法中加入了局部幅值特征的计算以及加权融合特征的计算，所以增加了计算时间。显然基于Gabor幅值与相位的特征提取算法的特征提取平均时间是高于基于Gabor幅值的特征提取算法的，因为增加了相位特征的提取时间。从以上所有的实验结果可以得出以下结论，本文算法在总体表现上是优于其他两种算法的。虽然本文算法的特征提取平均时间高于基于Gabor幅值与相位的特征提取算法和基于Gabor幅值的特征提取算法，但是在最终的人脸识别率上本文算法高于这两种算法。本文算法在保证特征提取平均时间略有增加的同时，提高了在光照、姿态等外界因素干扰情况下最终的人脸识别率，很好地增强了特征的表征能力，降低了特征向量的维度。