《表1 旋转前、后特征匹配对比》

  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SURF算法和极线约束的无人机影像匹配研究》

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

图3中（a）~（h）为SIFT、SURF及本文引入的极线约束特征匹配做对比，其中（a）、（b）分别为SIFT、SURF算法特征检测，图3（c）、（d）分别为SIFT、SURF提取的特征采用FLANN快速搜索算法后得到的匹配效果图，图3（e）为本文采用基于SURF算法后的极线约束匹配效果，最后为了验证极线约束条件的优越性将原影像旋转90°后用同样的算法重新匹配，匹配效果如图（f）、（g）、（h）。从视角效果上分析，图3中（a）、（b）从不同程度上提取了影像的特征信息，但局部区域没有特征点，（c） 、（d）匹配效果一般，（e） 匹配效果从匹配耗时及匹配量上来看相对更加理想。本文统计了三种算法旋转前后的特征点数、匹配量、成功匹配率及总耗时并对三种算法进行匹配质量评价如表1所示。特征数量反应算法挖掘特征能力，特征点越多影像信息越丰富，成功匹配率反应影像匹配质量，耗时反应算法的时间复杂度。从表1可以看出，本文提出的基于SURF算法的极线约束匹配量相对要高，运行时间短，同时由于SIFT算法的算法复杂度较高导致总耗时最多。旋转后的匹配效果更加说明极线约束匹配更加具有优越性，该算法具有更好的旋转不变性。