《表2 图4中不同算法的匹配结果Tab.2 Matching results of different algorithms in Fig.4》

  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

《改进的多尺度Retinex耦合夹角约束的图像匹配算法》

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

不同算法的匹配效果见图3—5。其中，不同算法对光照度变换图像的匹配效果见图3。不同算法对28%缩放变换图像的匹配效果见图4。不同算法对60°旋转图像的匹配效果见图5。从图3可知，文献[17]算法（见图3c）、文献[18]算法（见图3d）、文献[19]算法（见图3e）、文献[20]算法（见图3f）、文献[21]算法（见图3g）以及文中算法（见图3h）的匹配结果都较为优秀，但通过将图3中不同方法的匹配结果进行对比可见，文中算法的匹配结果中存在的错误匹配最少。通过对比文献[17]算法（见图4c）和文献[18]算法（见图4d）、文献[19]算法（见图4e）、文献[20]算法（见图4f）、文献[21]算法（见图4g）以及文中算法（见图4h）可知，图4h中的正确匹配特征点最多，而且错误匹配特征点最少。通过将图5c的匹配结果和图5d、图5e、图5f、图5g，以及文中算法的匹配效果（见图5h）相比发现，文中算法的匹配效果图中不仅匹配特征点数量最多，而且错误匹配特征点数量最少。表1—3分别对图3—5中不同算法的匹配结果进行了统计，通过对比表1、表2和表3中的数据可见，文中算法的正确匹配点数量始终高于对照组算法，且错误匹配点数是最少的。这说明文中算法具备更优的匹配精度与鲁棒性。主要是因为文中采用了改进的多尺度Retinex方法对图像进行预处理，克服了噪声以及光照度变化等影响，提高了算法的鲁棒性能。接着利用优化后Harris算法准确检测图像的特征点，提升了匹配结果的正确度。并借助归一化互相关函数对匹配特征点的相关程度进行测量，找出了错误匹配点，优化了匹配结果，因此进一步提高了算法的匹配正确度。