首页 理论教育探析实时性分析方法

探析实时性分析方法

【摘要】:在本章方法的具体实现过程中,通过采取多种措施降低算法的计算量,以便使本章算法获得较好的实时性。最后,为了评估本章所提出的改进Gabor滤波方法的实时性,这里在CUReT纹理库和KTH-TIPS纹理库上开展实验,将一个纹理图像的平均时间消耗作为实时性指标,并与其他一些算法的实时性指标进行了比较,具体的实验结果如表3-4所示。表3-4本章提出的改进Gabor滤波方法和其他算法的时间消耗对比

为了满足实际工程应用的需要,纹理图像特征提取和识别方法的识别精度和实时性都是重要的性能指标,尤其对于那些对实时性要求较高的应用场景,实时性指标就显得尤为重要。在本章方法的具体实现过程中,通过采取多种措施降低算法的计算量,以便使本章算法获得较好的实时性。例如,在构建原始纹理图像的多尺度金字塔空间时,由于图像的插值操作非常耗时,本章所提出的方法只利用插值操作创建了一个尺度的图像,并且只截取原始纹理图像中心位置的1/4区域进行插值,其他的区域舍去不用,这样就减少了3/4的插值区域,同时采用速度最快的最近邻插值方法;在提取局部Gabor特征时,本章所提出的方法分别对不同方向和不同尺度的编码图像直方图按直方条取最大值,进一步降低了最终特征向量的特征维数,大幅减少了在最后的分类器鉴别阶段对不同样本的特征进行相似度分析时的计算量。所以,在本章算法实现的过程中所采取的以上措施都对提高本章算法的实时性具有重要作用。

最后,为了评估本章所提出的改进Gabor滤波方法的实时性,这里在CUReT纹理库和KTH-TIPS纹理库上开展实验,将一个纹理图像的平均时间消耗作为实时性指标,并与其他一些算法的实时性指标进行了比较,具体的实验结果如表3-4所示。从表3-4可以看出,本章提出的方法具有适中的计算量和实时性。和传统的Gabor滤波方法、基于Gabor滤波和LBP算法相结合的LGWBP算法、基于LBP的改进方法(CLBP算法、CLBC算法、DRLBP算法)相比,本章方法的实时性要稍差一些,但本章方法的识别精度以及对训练样本个数的稳健性都要显著优于上述方法。另外,和基于纹理基元学习的方法(VZ_MR8算法、VZ_Joint算法、TEISF_f算法)相比,本章所提出的方法在纹理识别精度和实时性方面都具有显著的优势,可满足很多实际工程应用的需求。

表3-4 本章提出的改进Gabor滤波方法和其他算法的时间消耗对比(s)