首页 理论教育纹理识别的精度分析:挖掘关键点

纹理识别的精度分析:挖掘关键点

【摘要】:表5-1不同彩色纹理图像识别算法的纹理识别精度(%)续 表从表5-1可以看出,本章提出的方法在KTH-TIPS和CUReT这两个标准的彩色纹理图像数据库上均取得了最高的纹理识别精度,分别为99.98%和99.70%,一致超过了其他所有参与比较的算法的纹理识别精度。尤其在KTH-TIPS纹理库上,本章方法获得了99.98%的近乎完美的纹理识别精度,这充分表明本章方法所提取的彩色纹理特征具有很强的鉴别能力,在彩色纹理图像的识别任务中具有优良的性能。

在确定本章方法所涉及的全部参数值之后,为了评估本章方法的纹理识别精度,本节在标准的KTH-TIPS和CUReT彩色纹理库上进行实验,并将本章方法的纹理识别精度与其他一些彩色纹理图像识别方法的结果进行比较。其中,RGB-LBP、RGB-CLBP、RGB-CLBC和RGB-DRLBP算法分别利用LBP、CLBP、CLBC和DRLBP算法从彩色纹理图像的R、G、B三个颜色通道分别提取纹理特征,并将这三个通道的纹理特征进行级联,使其作为整个彩色纹理图像的特征描述子并用于纹理图像识别。具体的实验结果如表5-1所示,其中由于部分算法在某些纹理库上的纹理识别精度没有在相关的文献中报道,这里用“——”表示。

表5-1 不同彩色纹理图像识别算法的纹理识别精度(%)

续 表

从表5-1可以看出,本章提出的方法在KTH-TIPS和CUReT这两个标准的彩色纹理图像数据库上均取得了最高的纹理识别精度,分别为99.98%和99.70%,一致超过了其他所有参与比较的算法的纹理识别精度。尤其在KTH-TIPS纹理库上,本章方法获得了99.98%的近乎完美的纹理识别精度,这充分表明本章方法所提取的彩色纹理特征具有很强的鉴别能力,在彩色纹理图像的识别任务中具有优良的性能。