《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》
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。
图表编号 | XD00133830600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 丁辉、李丽宏、原钢 |
绘制单位 | 太原理工大学电气与动力工程学院、太原理工大学电气与动力工程学院、中国煤炭科工集团太原研究院 |
更多格式 | 高清、无水印(增值服务) |