《表1 不同分类器在不同样本选择上的分类准确率》

  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

%

为了验证经过分割后的ROI皮肤块图片是否具有研究意义，本研究将未分割的整张面色图片和分割后的ROI图片分别作为样本进行分类训练和测试，以经过椭圆皮肤检测处理后的RGB、Lab、HSV、YCbCr颜色特征作为分类特征，将赤、黄、白、黑分别以0、1、2、3标签表示。样本1表示未分割的整体面色图像，样本2表示经过分割的ROI皮肤块，样本3表示综合ROI和整体面色图像，分类准确率见表1。结果表明，在中医理论指导下对皮肤ROI进行分割后再进行分类是准确而有效的，能更为准确地反映面部颜色的特征，且分割处理速度很快。当只考虑面部颜色特征时，SVM和BP神经网络的分类效果并无显著差异，总体分类效果在75%左右，性能优于KNN分类器。