《表3 图6中不同算法的匹配量化结果Tab.3 Matching quantization results of different algo-rithms in Fig.6》
不同算法对缩放图像的匹配结果见图6。通过将图6中文献[18]方法的匹配结果(见图6c),与文献[19]方法的匹配结果(见图6d),以及文献[20]方法的匹配结果(见图6e)和文献[21]方法的匹配结果(见图6f),以及文献[22]方法的匹配结果(见图6g)和文中方法的匹配结果(见图6h)进行比较可见,文中方法的匹配结果中匹配点数最多。其中,文中算法的正确匹配数量为168个,错误匹配数量为5个,而文献[18]、文献[19]、文献[20]、文献[21]与文献[22]的正确匹配数量分别为141,159,161,163,165个,见表3。这说明文中图像匹配方法的鲁棒性较好,匹配正确度较高。因为文中方法构造了区域自适应模型以满足显著性区域与非显著区域特征点检测的不同需求,提高了算法的匹配准确率以及鲁棒性。同时文中还利用Hamming距离对特征点之间的相似度进行度量,实现特征点的准确匹配,进一步提高了算法的匹配准确度。
图表编号 | XD005976100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.10 |
作者 | 张忠华、蒲斌 |
绘制单位 | 四川工程职业技术学院电气信息工程系、西华师范大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |