实时性分析技巧与方法

2023-06-29 理论教育版权反馈

【摘要】：为了评估本章方法的实时性，本节在KTH-TIPS和CUReT这两个标准的彩色纹理库上进行实验，将一个样本图像的平均时间消耗作为算法实时性的度量。表5-4不同算法的时间消耗对比从表5-4可以看出，本章提出的方法保持了较好的实时性。以上措施都有效降低了本章方法的计算量和特征维数，使本章方法保持了较高的实时性。因此，本章提出的方法可满足很多实际工程应用场景对实时性的需求。

通常情况下，很多纹理图像的特征提取和识别算法都把研究的重点放在如何提高纹理识别精度上，从而忽略了算法的实时性指标，而现实场景中的很多工程应用都对实时性指标有较高的要求，因此忽略算法的实时性对实际的工程应用是很不利的，而本章提出的方法在保证获得较高的纹理识别精度的同时，始终关注提高算法的实时性。

为了评估本章方法的实时性，本节在KTH-TIPS和CUReT这两个标准的彩色纹理库上进行实验，将一个样本图像的平均时间消耗作为算法实时性的度量。同时，也将本章方法与其他一些算法的实时性进行了比较，具体的实验结果如表5-4所示。

表5-4　不同算法的时间消耗对比（s）

pagenumber_ebook=124,pagenumber_book=116

从表5-4可以看出，本章提出的方法保持了较好的实时性。这是因为本章方法在设计实现方案时，采取了多种措施来降低算法的计算量，具体如下：

（1）选择最佳的高斯滤波次数n=2，这一方面降低了构造多尺度图像空间时进行多次高斯滤波所需的计算量，另一方面也减少了多尺度图像空间中的图像个数，降低了后续灰度纹理特征提取的计算量。

（2）选择最佳的颜色量化等级个数Lc=15，对颜色信息进行粗略量化和提取，不但降低了颜色信息提取阶段的计算量，而且减少了所提取颜色特征的维数，降低了后续颜色特征匹配的计算量。

（3）对DDT-CLBP编码图像的三个分量DDT-CLBPS、DDT-CLBPM和DDT-CLBPC的直方图按[P+1， P+1， 2]的维数进行特征降维，从而将DDTCLBPS和DDT-CLBPM分量的直方图特征维数从2P降为P+1，然后对多个尺度的DDT-CLBPS/M/C联合直方图进行跨尺度按模式取最大值，进一步降低了灰度纹理特征的维数，降低了后续特征鉴别阶段训练样本和测试样本的灰度纹理特征对比的计算量。

以上措施都有效降低了本章方法的计算量和特征维数，使本章方法保持了较高的实时性。因此，本章提出的方法可满足很多实际工程应用场景对实时性的需求。

实时性分析技巧与方法

相关推荐