《表1 各种算法单个点匹配时间》

  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

《具有抗仿射性的局部特征点匹配方法》

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

ASIFT算法的采样区域在不同的经纬度上投影以模拟图像的仿射性，然后提取不同经纬度的浮点型梯度描述符，多次提取梯度描述符耗时较大，并且所得到的ASIFT描述符的维度较高，在衡量不同描述符的相似性时耗时巨大，故单个匹配点耗时较长。RANSAC算法根据成对匹配点的分布，不断地优化迭代参数模型，但对于具有仿射性图像很难得到较好的参数模型，故造成内点数较少，从而致使单个匹配点耗时很长，严重影响匹配算法的效率。本文算法虽也在不同的经纬度中提取描述符，但MLDB描述符构建方式相较ASIFT描述符简单，仅对相邻像素块的梯度和强度编码，而且MLDB描述符为二进制，利用汉明距离衡量不同描述符的相似性速度较快；向量场一致性算法对匹配点进行建模，然后利用梯度下降法求解最小化能量函数，相较于RANSAC算法具有更强的鲁棒性，故匹配点数量较多，单个匹配点的耗时较少。对图2(a）提供的Wall组待匹配图像进行多次实验，得到运行时间和匹配点数，再用式（18）得到单个点匹配时间，结果如表1所示，组号为Wall组中与第一张目标图像匹配的其余5张待匹配图像的序号。