《表2 实验定量评价结果：基于光流校正的复杂地形区多时相遥感影像配准》

  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

《基于光流校正的复杂地形区多时相遥感影像配准》

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

注：RMSE单位为像素。

实验中对应选取了15组明显点对计算其RMSE。CC越大说明配准精度越高，相反，RMSE越小越配准精度越高（表2中箭头表示）。表2中的“原始影像”表示参考和待配准影像各项指标的定量评价结果，每组实验的最优结果用黑色粗体字标记。分析表2，每组实验都得到和目视判断一致的结论。4种方法对原始影像间的几何错位都有削弱，PLM算法、TPS算法和BWP-OIS算法的定量评价结果相当。因为它们都是在基于特征的配准算法框架下，顾及可能存在的局部几何畸变，通过构建局部模型实现参考和待配准影像的配准。它们对特征点数量、分布均匀度以及点位精度要求较高，而复杂地形区影像纹理信息不丰富、降质因素多，难以提取符合条件的特征点。逐像素模型OFM的配准结果最优，这说明在复杂地形区遥感影像配准中，OFM通过逐像素计算其位移增量，解决了传统配准方法不能充分顾及局部细微几何变形的问题，实现了优质配准精度，在3组实验中两项评价指标都达到了最优。而且在该运行平台上，使用OFM算法处理3组实验分别耗时156.3 s，36.5 s和8.42 s，其运行效率与影像大小、地物分布特点均有关系。