《表1 各种算法单个点匹配时间》
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。
图表编号 | XD00133830300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 邱云飞、刘兴 |
绘制单位 | 辽宁工程技术大学软件学院、辽宁工程技术大学软件学院 |
更多格式 | 高清、无水印(增值服务) |