《表3 SIFT+RANSAC特征匹配结果分析》

  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

《一种无人机电力巡检的影像匹配方法》

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

为充分验证本文方法的优势，将本文算法同SIFT算法与FLANN快速搜索特征匹配进行对比试验，其对比试验结果如表2和表3所示。在Harris-Laplace特征提取后，通过使用SIFT特征描述符来描述无人机航拍正射影像关键点，可以有效地表达图像特征信息，虽然这种方法在计算特征描述符时消耗更多时间，但可以有效地表达HarrisLaplace特征信息。通过本文算法，可以提取到较多的特征点信息。在匹配阶段，首先使用BBF算法对特征点进行粗匹配，结果显示其匹配效果较差，存在很多误匹配点对。然后使用SIFT特征描述算法对得到的特征点提取并计算特征向量，在FLANN快速搜索算法的基础上结合KNN剔除掉更多的误匹配点对，然后进行特征匹配，其匹配效果较好，但特征点较少。最后用改进RANSAC算法计算基础矩阵，剔除影像匹配中的误匹配点，其匹配效果有了明显提升，并估计单应性矩阵H。经改进RANSAC算法首先对匹配点对进行了内外点的判定，再对内外点进行有目的的筛选，最后得出最佳变换矩阵，因此最终得到的正确影像匹配点数量最多。在耗时上，由于FLANN算法相对改进RANSAC算法复杂程度低，所涉及的参数要少，因此两组影像在使用FLANN算法匹配试验中速度较快，但本文所采取算法有效提要了匹配对数，并且在耗时上也得到了提高，获得了较高的匹配正确率。并且本文的算法对图像的旋转、缩放以及模糊等各个方面都有较强的适应性，可以得出本文算法对图像匹配的鲁棒性较好。