《表3 各种算法在不同情况下重复率》
首先,研究在Mikolajczyk的数据集中选择了4组图像,从图像模糊、不同光照、不同比例和不同视角等方面评估算法的性能。仿真在4组测试图片中的每一组上执行OARL原始方法50次。图8、图9和表3显示了结果。表3中,第三列和第四列显示从左侧和右侧的图像中提取的特征点的数量。第五列显示检测时间。最后一列显示了成功匹配的数量。可以看出,在模糊、亮度变化、视点变化、变焦和旋转的情况下,本文的ORAL算法平均匹配时间与ORB算法为相同数量级,但是正确率却平均提升了5%左右。本文的OARL算法在不同环境变化下,准确率均高于ORB算法,这主要是因为,OARL算法的三元组F范数有着良好的抗干扰性和应对局部表观变化的能力,并且具有旋转机制,从而使得改进算法具备较好的尺度和旋转不变性,缩小了与传统的SIFT和SURF算法之间在鲁棒性的差距。
图表编号 | XD00130373200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 朱鸣镝、陈婵 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |