《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》
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。
图表编号 | XD00162241500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 唐泽恬、丁召、曾瑞敏、王阳、朱登玮、王昱皓、钟岷哲、杨晨 |
绘制单位 | 贵州大学大数据与信息工程学院半导体功率器件可靠性教育部工程研究中心微纳电子与软件技术重点实验室、贵州大学大数据与信息工程学院半导体功率器件可靠性教育部工程研究中心微纳电子与软件技术重点实验室、贵州大学大数据与信息工程学院半导体功率器件可靠性教育部工程研究中心微纳电子与软件技术重点实验室、贵州大学大数据与信息工程学院半导体功率器件可靠性教育部工程研究中心微纳电子与软件技术重点实验室、贵州大学大数据与信息工程学院半导体功率器件可靠性教育部工程研究中心微纳电子与软件技术重点实验室、贵州大学大数据与信息工程学院半 |
更多格式 | 高清、无水印(增值服务) |