《表3 不同半径的LTP对识别率的影响》
注:加粗字体表示最优结果。
在使用LTP对车标图像进行二次特征提取时,不同的半径R对应不同的邻域数目,提取的特征也不相同,如:R=1对应8个邻域,提取到48位特征向量;R=2对应24个邻域,144位特征向量;R=3对应48个邻域,288位特征向量(梯度大小矩阵为6个)。对不同的LTP半径R进行实验分析,结果如表3所示。从表3可以看出,半径R=2时,车标的识别率取得最大值。在LTP识别算法中,半径越大,LTP特征编码的信息越多,按理应该越有利于识别效果的提升。然而表3的数据表明,识别率从半径为2开始呈下降趋势,可能原因是本文算法中的特征向量是由各个方向的LTP特征码拼接而成,而LTP特征码过长会影响特征量化过程中K-means的聚类效果。
图表编号 | XD0098405500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.16 |
作者 | 路强 |
绘制单位 | 合肥工业大学计算机与信息学院、工业安全与应急技术安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |