《表1 整个数据集上平均每对图像的结果对比》
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。
图表编号 | XD0067705800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 赵恩波、史泽林、刘云鹏 |
绘制单位 | 中国科学院沈阳自动化研究所、中国科学院大学、中国科学院光电信息处理重点实验室、辽宁省图像理解与视觉计算重点实验室、中国科学院沈阳自动化研究所、中国科学院光电信息处理重点实验室、辽宁省图像理解与视觉计算重点实验室、中国科学院沈阳自动化研究所、中国科学院光电信息处理重点实验室、辽宁省图像理解与视觉计算重点实验室 |
更多格式 | 高清、无水印(增值服务) |