《表6 density-ORB算法与其他算法的性能比较Tab.6 Performance comparison between density-ORB algorithm and other algo
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density-ORB特征的图像特征点匹配算法》
主要原因分析:ORB算法在进行图像特征点匹配时,由于特征点邻域内的像素灰度变化情况相似,容易造成误匹配的问题,尤其在光照条件较暗的情况下,误匹配率从15.4%增加到了20.5%,而densityORB算法通过比较关键点领域内两个像素密度的大小,综合考虑了颜色和空间距离信息,更加精确地描述了关键点周围的图像信息,因此在模糊、图像压缩、光照、视角和焦距及旋转变化条件下,densityORB算法比ORB、SIFT、SURF、BRISK算法有更好的匹配效果.表6是对以上实验的总结,通过表1-5中误匹配率的比较分析,可以看出density-ORB算法整体误匹配率比ORB算法降低了2.80%.误匹配率由高到低依次是BRISK、SURF、SIFT、ORB和densityORB算法.由于对图像进行了密度计算,增加了计算复杂度,所以图像的匹配速率有所下降,暂时不能达到实时的要求.
图表编号 | XD0042591100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 芦文强、薛彦兵、李胜利、张桦、王志岗、高赞、徐光平 |
绘制单位 | 天津理工大学计算机科学与工程学院计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室、天津理工大学计算机科学与工程学院计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室、天津通卡智能网络科技股份有限公司、天津理工大学计算机科学与工程学院计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室、天津中德应用科技大学、天津理工大学计算机科学与工程学院计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室、天津理工大学计 |
更多格式 | 高清、无水印(增值服务) |