《表2 采用LTP和LBP算法的识别率比较》

  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。

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。