《表1 分类结果：基于局部二值差异激励模式的木材缺陷分类》

  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

《基于局部二值差异激励模式的木材缺陷分类》

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

这一部分对2.2中1)节的内容进行实验。本文测试了LBP参数P、R分别为[8，1]和[16，2]的两种情况。从训练数据集中得到的LBP参考直方图如图9所示。表1给出了算法在测试数据集上的结果。在参数为[8，1]时，Recall，precision和FNR分别为87.8%，91.5%和11.2%。在参数为[16，2]时，Recall，Precision和FNR分别为73.6%，75.2%和26.4%。可见参数[8，1]给出了比参数[16，2]更好的表现效果，但是仍然存在约[（141-129）（102-84）]/（141+102）≈12.3%的图像发生错判，尤其是矿物线，其错判的比例约为（102-84）/102≈17.6%。