《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》
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%。
图表编号 | XD0097365500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 李绍丽、苑玮琦、杨俊友、李德健 |
绘制单位 | 沈阳工业大学、辽宁省机器视觉重点实验室、沈阳工业大学、辽宁省机器视觉重点实验室、沈阳工业大学、沈阳工业大学、辽宁省机器视觉重点实验室 |
更多格式 | 高清、无水印(增值服务) |