《表2 烟雾库上M_CLLTP方法与其他方法的实验结果》
注:粗体表示对应指标值优于本文方法。
实验2选择了当前较为流行的18种方法与本文方法比较,所有方法都采用了RBF(radial basis function)核的SVM(support vector machine)分类器,实验结果如表2所示。其中Gb基础[4]、Gb完整[4]、LAGBP(local aggregated Gabor binary pattern)[5]、HLTPMC(high-order LTP based on magnitudes of derivatives and values of center pixels)[8]、HLTPMC+LPP(HLTPMC with locality preserving projection)[8]和LBP_HDLBP(concatenation of LBP and HDLBP(Hamming-distance-based LBP))[13]这6种方法是专为烟雾库而设计的特征提取方法,实验结果分别来源于文献[4]、文献[4]、文献[5]、文献[8]、文献[8]和文献[13]。CLBP(completed LBP)[14]、LTrP(local tetra pattern)[15]、PLBP(pyramid LBP)[16]和LDP4(4th-order local derivative pattern)[17]是经典的纹理特征提取方法,都存在U2(uniform)、RI(rotation invariant)和RIU2(RI and U2)3种映射模式,即有12种方法,实验结果来源于文献[13]。表2中粗体表示对应指标值优于本文方法。为便于比较,实验计算了表2中所有方法在3个测试集上的各指标均值。
图表编号 | XD00165387600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 李钢、袁非牛、夏雪、章琳、雷帮军 |
绘制单位 | 江西财经大学信息管理学院、水电工程智能视觉监测湖北省重点实验室(三峡大学)、宜春学院数学与计算机科学学院、江西财经大学信息管理学院、水电工程智能视觉监测湖北省重点实验室(三峡大学)、上海师范大学信息与机电工程学院、江西财经大学信息管理学院、江西财经大学信息管理学院、江西科技师范大学数学与计算机科学学院、水电工程智能视觉监测湖北省重点实验室(三峡大学) |
更多格式 | 高清、无水印(增值服务) |