《表3 不同分类器在不同特征上的分类准确率》

  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

《基于面部图像特征融合的中医望诊面色分类研究》

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

%

为了探讨面部不同特征对于分类效果的影响，本研究采用了4种特征进行分类测试，即特征1为（R，G，B），特征2为（R，G，B，H，S，V，L，a，b，Y，Cb，Cr），特征3为（R，G，B，H，S，V，L，a，b，Y，Cb，Cr，Asm，Con，Ent，Idm），特征4为（R，G，B，H，S，V，L，a，b，Y，Cb，Cr，Asm，Con，Ent，Idm，R'，G'，B'）。特征2是皮肤的颜色特征，包含了9个ROI皮肤块在RGB、HSV、Lab、YCbCr颜色空间值；特征3中加入了皮肤的纹理统计特征；特征4中的R'、G'、B'代表的是口唇部位的RGB颜色特征值。为评估4种融合特征的分类性能，选择同样的图片样本进行测试，由于样本数量有限，采用十折交叉验证的方法进行验证，面色分类准确率见表3。