《表2 角点检测结果对比：基于改进的Harris和二次归一化互相关的量子图像拼接算法》

  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

《基于改进的Harris和二次归一化互相关的量子图像拼接算法》

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

为验证本文改进的算法在设置阈值方面的可靠性，对图7(a）、（c）和（e）分别使用传统的Harris算法和本文算法进行角点检测，结果如图8所示，表2为两种方法检测的角点数量对比表。由表2和图8可知，传统的Harris算法，量子环和点图像[图8(c）、（e）]的角点数量过少，且在图像上分布稀疏，无法较好地描述图像，不利于图像的拼接；量子线图像[图8(a）]的角点数量过多，且在图像上形成角点聚簇和伪角点，角点聚簇的区域会被反复利用，不能提供足够多的有效信息，且极大地增加了算法的搜索空间和复杂度。而本文改进的算法，对于量子环和量子点图像的角点数量分别增加到238、335和592、514，角点在空间分布上拥有更大的占比，有效地增加了的角点，且在图8(d）和（f）中没有观测到伪角点和角点聚簇，更为有效地描述图像信息，有利于图像的拼接；对于量子线图像，将角点数量减少至678和513，角点匹配阶段所需搜索的空间大小由1277×1099下降至678×513，下降了75.22%，该方法有效地将角点数量控制在合理的范围，兼顾了图像信息的描述与伪角点和角点聚簇的避免，且有利于减小角点匹配的搜索空间和算法的复杂度。综上可知，本文算法有利于平衡量子图像的角点数量，对信息较少的图像增加其角点数量，以更好地描述图像信息，对信息较多的图像减少其角点数量，以减小角点匹配的搜索空间和算法的复杂度。