《表1 倾斜无人机影像匹配结果》

  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

《结合Harris-Laplace与SIFT特征的无人机倾斜影像拼接》

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

为充分验证本文方法优势，将本文算法同SIFT特征匹配与Harris-Laplace灰度影像匹配算法进行对比实验，试验结果如结表1所示。在Harris-Laplace特征提取后由于采用SIFT特征描述子对无人机影像进行描述，能够有效地表达影像特征信息，虽然该方法在计算特征描述子消耗时间较多，但最终能有效的表达HarrisLaplace特征信息，但最终得到正确匹配点对数目最多。经典的SIFT无人机影像特征匹配方法，获得最多的匹配点，而且匹配的正确率也比较高，但SIFT特征点定位精度过低，但匹配点的定位精度较低。由表1可知，在特征提取阶段Harris-Laplace提取效率高、耗时少，但在匹配阶段由于H-L灰度算法采用局部像素的灰度信息进行匹配耗时比采用SIFT描述子较多。因此，本文方法的计算效率最高。为验证本文算法的拼接精度，试验在提取的特征点对中挑选均匀分布在重叠影像内的8对匹配点。通过8对匹配点计算影像间仿射变换参数，将剩下的匹配点对左影像中同名点坐标带入计算得到仿射变换参数，分别与右影像中算法提出的同名点坐标比较，匹配误差如下:x方向误差为0.36pixel，y方向平均值为-0.42pixel，总体均方根误差为0.39pixel，拼接效果如图5所示。