《表3 不同算法在Brodatz纹理库中的计算复杂度》
利用本文算法与传统LBP算法、CLBP算法、ELBP算法分别遍历Brodatz纹理库,将得到的图像M的特征向量M利用支持向量机(SVM)进行模板训练及纹理分类识别。不同算法在Brodatz纹理库中的计算复杂度的实验结果如表3所示,其中分类时间是进行100次随机独立特征分类实验总时间的均值,该时间由SVM模型训练时间与特征标签预测时间组成。
图表编号 | XD0093446700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.28 |
作者 | 尹玉梅、彭艺、祁俊辉 |
绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |