《表9 JPG图像高斯噪声σ=0.20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

/%

从描述算子的运行时间来看，由于都是采用的汉明距离进行判断，三种算法进行匹配的时间复杂度接近。时间开销主要在描述算子的生成上面。BRIEF下进行高斯滤波操作将花费大量的时间，如果不进行高斯滤波其速度将是最快的，但是缺少滤波操作将大大降低匹配准确率。ORB算法利用图像积分操作代替高斯滤波，时间要小于BRIEF。本文算法在生成描述算子的时候，时间主要消耗在进行小像素差值阈值比较阶段，图像上的小像素差值的数量根据具体的图像有所不同，其时间与需要进行邻域均值计算的像素点数量有关。但是该方法同样可以利用图像积分快速实现，因此，时间复杂度与ORB接近，唯一不同的是因为利用了差分信号和差分幅值两种关系得到描述算子，本文的描述算子长度要比BRIEF或ORB多一倍，所以整体上时间略多于ORB算法，最后的实验也证明了这一点。设有n个特征点，在计算描述算子时只有一次循环，计算次数为n，因此时间复杂度为O（n）。从整体上比较，在同时采用512位二进制串进行比较的情况下，本文算法与ORB计算时间接近，比BRIEF要快。表16是三种算法计算描述算子的运行时间比较。算法在单线程Intel i5 2.5 GHz处理器上实现，特征点数量为875个点，时间采用多次运行的平均结果。