《表2 图像配准总时间与精度对比Tab.2 Comparison results between total-time and registration accuracy for different
总体而言,本文方法的配准时间比其他方法都要快。同时,从实验结果可以看出Guizar-Sicairos方法的配准误差略小,是0.000471,本文改进的方法的误差是0.000460。实验过程也表明本文算法可以适应各种平移情况,只需要初定位步骤中自适应地计算出采样步长即可,而文献[3]的改进算法只能处理微弱平移。为了定量地评估配准算法的精度,本文使用Uss评价准则来定量分析。表1表示不同配准算法下该估计量的有效性。根据Uss的分析,如果估计量的有效性指数接近1,该配准算法最为准确[3]。同时,通过改变需要的亚像素精度,本文也测试了Guizar-Sicairos配准算法和本文算法的配准精度与计算时间等性能,如表2所示,其中图像大小是512×512。实验结果表明,本文提出的改进算法将大大减少配准的时间复杂度和空间复杂度,并获得与原始算法相同的亚像素精度。
图表编号 | XD0019706400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.30 |
作者 | 张桃明 |
绘制单位 | 中国民航机场建设集团公司西南分公司 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 图像配准总时间与精度对比Tab.2 Comparison results between total-time and registration accuracy for different algorithms”的人还看了
- 表2 与常规神经网络对比结果Tab.2 The result of comparison between the method in this paper and conventional methods