表5-3采用不同训练样本个数时的纹理识别精度（%）从表5-3的实验结果对比可以看出：本章提出的方法对训练样本个数的变化具有更好的稳健性。本章方法能够获得对训练样本个数的良好稳健性，主要原因如下：本章方法提取的粗略颜色信息和灰度纹理特征具有很强的描述能力，将二者进行特征融合又能进一步提升综合特征的鉴别能力。......
2023-06-29
训练样本个数稳健性分析
【摘要】：表3-3采用不同训练样本个数时的纹理识别精度（%）续表从表3-3可以看出，本章提出的改进Gabor滤波方法对训练样本个数的变化具有更好的稳健性，当训练样本个数不断减少时，本章方法的纹理识别精度下降幅度最小。
为了评估本章所提出的方法对训练样本个数的稳健性，本章在KTHTIPS纹理库上进行实验，分别从每个纹理类别随机选择N = （40， 30， 20，10）个样本作为训练数据，每个纹理类别剩下的（81-N ）个样本作为测试数据，并且将上述对训练数据集和测试数据集的随机划分独立进行100次，每次划分独立进行一次实验，最后计算这100次独立实验结果的平均值，即将平均精度作为最终的纹理识别精度，具体的实验结果如表3-3所示。在此需要说明，对表3-2中列出的很多算法，其对应的原始文献没有开展对训练样本个数的稳健性分析，即没有在文献中报道与表3-3对应的实验结果，这些算法也没有公开发布的源程序代码可利用，很难对这些算法的训练样本个数稳健性进行分析，所以在表3-3中没有列出全部算法对训练样本个数稳健性的分析结果。
表3-3 采用不同训练样本个数时的纹理识别精度（%）
续 表
从表3-3可以看出，本章提出的改进Gabor滤波方法对训练样本个数的变化具有更好的稳健性，当训练样本个数不断减少时，本章方法的纹理识别精度下降幅度最小。例如，当训练样本个数N从40降为10时，传统Gabor滤波方法的纹理识别精度从91.48%下降到73.03%，下降幅度达到18.45%，而其他参与对比的算法也都有超过10%的识别精度下降幅度，但本章提出的改进Gabor滤波方法的识别精度从99.36%下降到91.86%，下降幅度仅为7.5%，并且纹理识别精度总保持在90%以上。所以，本章提出的改进Gabor滤波方法具有更好的纹理图像识别能力。
当训练样本个数减少时，本章提出的改进Gabor滤波方法能够获得最高的纹理识别精度，主要原因如下：①本章提出的改进Gabor滤波方法提取的全局Gabor特征和局部Gabor特征均具有很强的鉴别能力，并且通过线性加权求和的方法将这两种Gabor特征进行融合作为最终的纹理图像特征，进一步提高了本章算法的识别能力；②本章提出的改进Gabor滤波方法对每个原始的纹理图像构建了一个多尺度金字塔空间，利用该金字塔空间中四个不同尺度的图像（即一个原始的纹理图像、两个利用采样操作获得的更低分辨率图像、一个利用插值操作生成的更高分辨率图像）来描述原来单一的原始纹理图像，这种方法不但模拟了原始纹理图像的尺度变化情况，使所提取的纹理特征具有更强的尺度稳健性，而且通过采样和插值操作生成了更多个数的纹理图像，弥补了训练样本个数不足的问题，从而减轻了训练样本个数N减小时对识别精度带来的不利影响，使本章所提出的改进Gabor滤波方法仍然能够保持较高的纹理识别精度。因此，和表3-3中列出的其他算法相比，本章所提出的改进Gabor滤波方法具有更好的应用前景，尤其在某些应用场景中可利用的训练样本个数非常有限。例如，在某些危险或人类不方便到达的场景中，能够获取的训练样本个数比较少；在某些医疗场景中，由于获取医疗图像可能会给患者带来检测时的痛苦，能够获取的训练样本个数也会比较少。所以，在这些训练样本个数较少的场景中，本章所提出的改进Gabor滤波方法具有更大的优势，仍然能够获得较好的纹理识别精度。
有关纹理图像的特征提取和识别的文章
- 详细阅读
-
训练样本个数对模型性能的影响：稳健性分析详细阅读
为了评估本章方法对训练样本个数的稳健性，本节在KTH-TIPS纹理库上进行实验，分别从每个纹理类别随机选择N = 个样本作为训练数据，每个纹理类别剩下的个样本作为测试数据。表4-3不同训练样本个数对应的纹理识别精度（%）从表4-3可以看出，和其他参与对比的算法相比，本章提出的方法对训练样本个数的变化具有更好的稳健性。当训练样本的个数N不断减少时，其他算法的纹理识别精度都出现了大幅度下降。......
2023-06-29
-
必要条件分析的结果及稳健性检测详细阅读
[29]表4-2列出了必要条件的分析结果。吻合度达到0.9是条件变量形成结果的必要条件的标准。非伊斯兰国家不受结果变量标准提高的影响，而非二战前苏联加盟共和国的吻合度会随标准提高而增加，即要达到更高的民主水平，这一条件变量会越发重要。除伊斯兰教和二战前苏联加盟共和国这两个条件变量外，其他8个在回归分析中有显著影响的变量均不接近必要条件的标准，因而需要分析它们的组合对民主转型的影响。表4-3必要条件的稳健性检测......
2023-08-16
-
实现对尺度变化的稳健性详细阅读
为了使本章所提出的方法能够具备对尺度变化的稳健性，受Harris-Laplace角点检测算法[103]和SSLBP算法[55]的启发，本章采用多尺度高斯滤波模拟尺度变化，然后对联合直方图DDT-CLBPS/M/C跨尺度按直方条取最大值的方法来获得尺度稳健性，其具体的实现过程如下所述。图4-5利用本节所提出的方法实现对尺度变化的稳健性......
2023-06-29
-
实现图像旋转的稳健性优化详细阅读
综上所述，按照上述步骤1～4的方法分别计算对图像旋转具有不变性的符号分量CLBPS、幅值分量CLBPM和中心像素灰度等级分量CLBPC，即获得旋转不变的改进CLBP算法的三个分量，从而获得DDT-CLBP算法对应的纹理图像特征。为了更加直观地展示DDT-CLBP算法对图像旋转的不变性，接下来将DDT-CLBP算法与传统CLBP算法的特征提取过程进行比较。......
2023-06-29
-
颜色量化等级个数的最佳分析方法详细阅读
另外，过大的Lc值意味着对颜色种类的过细划分。综上所述，为了同时获得较高的纹理识别精度和实时性，本章方法选择最佳的颜色量化等级个数Lc=15，即把色调分量H和饱和度分量S都量化为15个等级。在本章后续的实验中，均采用最佳的颜色量化等级个数Lc=15。......
2023-06-29
-
实现单调性光照强度变化的稳健性详细阅读
在不同的场景中获取的纹理图像可能是在不同的光照强度下拍摄的，为了使本章所设计的纹理图像特征提取和识别算法具有对光照强度变化的稳健性，采取图像灰度值归一化的方法和CLBP算法本身所具有的对单调光照变化的稳健性，具体如下所述。根据上述分析可以看出，CLBP算法的三个分量均对单调的光照变化具有稳健性，从而使CLBP算法也获得了对单调性光照变化的稳健性。综上所述，利用本节提出的方法可实现对单调性光照变化的稳健性。......
2023-06-29
-
条件组合分析：20国对民主转型影响稳健详细阅读
条件组合分析是指在单个条件变量不构成必要条件的情况下，测量条件变量的不同组合方式对结果的影响。在必要条件检测中，非伊斯兰国家是必要条件，非二战前苏联加盟共和国接近于必要条件，并且在以更高标准来设定结果变量的稳健性检测中达到了必要条件的标准，因而这两个变量不再纳入条件组合分析。条件组合分析的样本是除此之外的20个国家。检测结果表明，这5个条件组合对于民主转型的影响是稳健的。......
2023-08-16
相关推荐