《表6 几种方法在15 Scene数据库上的实验结果》

  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

《局部位置特征与全局轮廓特征相结合的图像分类方法》

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

设置NSCT的分解参数使得各频段的轮廓图像数随着频率段的升高而增加时，场景类别分类正确率最高.同样，使用4幅轮廓图像能够让本文方法在较短时间内获得较好的场景图像分类结果，因此，使用4幅轮廓图像的实验结果与其他已发表的实验结果进行比较.如表6所示，在仅需较低字典维数的同时本文方法确实有效地提高了场景图像的分类正确率.通过大量实验总结出:对于场景图像进行分类时，局部特征比全局特征对正确率的影响更大.因此，应减小局部特征的权重，使得εL是εZ的2倍，且εZ与εL均小于0.5，可以得到较高的正确率.