《表1 不同算法在Bark数据集实验5的运行结果比较》

  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

《融合GMS与VCS+GC-RANSAC的图像配准算法》

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

为了展示本文算法与其他算法的不同，下面将对算法综合指标进行评价。图4（b）～(f）展示了以Oxford图集中bark子数据集实验5为例（原图为图4(a）），应用本文算法与ASIFT+RANSAC、AKAZE+RANSAC、GMS、GMS+GC-RANSAC算法进行图像配准的结果。Bark子数据集是Oxford数据集中配准难度最大的数据集，包含了极大角度的视角转变和尺寸缩放，这对配准提出了极大挑战，表1是本文算法在Bark子数据集实验的量化展现。由图4配准图可以看出，ASIFT等算法较本文算法有更多特征匹配对，但本文算法匹配对平顺且无明显的错误匹配对，ASIFT算法虽然有很多特征对匹配出现，但匹配杂乱无章，有许多可见错误匹配对。AKAZE+RANSAC与GMS匹配虽然较本文算法运行速度较快，但在配准图示中可以清晰可见有错误匹配对。GMS+GC-RANSAC算法匹配图也有可见的错误匹配对。遵循配准中正确率首要的准则，虽配准数量较少但匹配平顺且无明显的错误匹配对的本文算法，相对于其他4个算法具有一定优势。