《表3 不同半径的LTP对识别率的影响》

  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

《增强边缘梯度特征局部量化策略驱动下的车标识别》

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

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。