《表1 wall图像匹配率》

  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

《一种局部二值模式图像特征点匹配算法》

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

/%

实验从两个方面进行比较:同一序列图像分别与第一张图像分别进行匹配；对每个序列第二张图像分别添加不同的高斯噪声和椒盐噪声再与第一张图像进行匹配。实验采用最直观的指标衡量匹配结果，即匹配准确率。实验编码采用C++结合Open CV2.4.9实现。邻域大小N=17，小像素差异阈值选择t=5，特征点采用Cen Sur E特征点。表1~5显示了原始图像序列第一张图像分别与剩下的五张图像的匹配结果。其中BRIEF和ORB算法选择的是512位的描述算子。从图中可以看出，对于光照、视觉、模糊和压缩变化的图像，本文提出的算法匹配率最高，对于旋转变化和尺度变化的图像，如果旋转和尺度变化不大，本文算法要好于ORB算法，如果增大旋转角度和尺度，本文算法略低于ORB算法。由于ORB算法增加了主方向的计算，所以旋转不变性较好，但是增加主方向会导致随机点对选择相关性比较大，从而描述算子的判别性有所下降，这一点从表1~4可以看出。现实中很多图像旋转和尺度变化不会太大，所以本文算法是适用的。