《表2 采用LTP和LBP算法的识别率比较》
注:加粗字体表示最优结果。
本文1.2节的增强边缘梯度特征提取过程中,在对梯度大小矩阵进行特征再提取时,舍弃了文献[18]采用的Uniform LBP特征描述子,改用抗噪声能力更强的LTP特征描述子。为验证改进效果,在数据集上对基于LBP和基于LTP的算法做了对比实验,LBP和LTP的邻域半径均为2,结果如表2所示。从表2可以看出,使用LTP后的增强边缘梯度特征描述子识别率比使用LBP平均提升了1.12%,证明使用LTP的增强边缘梯度特征比采用LBP提取的特征具有更强的抗噪声能力,提升了算法的鲁棒性。
图表编号 | XD0098405600 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) |