《表1 整个数据集上平均每对图像的结果对比》

  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

《基于多尺度支撑域描述子的多光谱图像匹配算法》

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

本文实验环境为Windows 64位系统，运行配置为Intel Core i7，3.4 GHz CPU，内存为4 GB，算法采用MATLAB R2014b实现。将本文方法与其他三种经典算法在可见光—长波红外图像数据集[16]上进行评估，使用精确度和召回率作为评判准则。该数据集包含44个图像对，每对图像包含一个可见光图像和一个红外图像，且每对图像都经过校正，使得图像的视角与分辨率都相同，分辨率都为639×431。图10显示了几个图像对。由于图像对都经过矫正，正确匹配点对的连线应当是水平的，如图11所示，所提算法比其他三种算法得到的正确匹配结果更多。图12显示了该数据集中每对图像的召回率和精确度。在召回率曲线图中本文方法明显优于其他三种方法，在精确度曲线图中本文方法在大部分图像对中优于其他三种方法。整个数据集上平均每对图像的结果如表1所示。在平均召回率、平均精确度及平均正确匹配数目上，本文算法明显优于其他三种方法；在匹配用时上，本文算法稍优于Sym-SIFT算法，但大约是EOH算法的1.5倍，不过要获得与EOH算法相同的平均正确匹配数目18，本文算法只需要5.52 s，约为EOH算法的三分之一。从此角度看，本文算法在匹配时间上仍优于EOH算法。本文着重对算法的有效性进行研究，提高算法对不同场景的适用性。在下一步的工作中，将从软件和硬件上对算法进行改进，提高算法的实时性。