《表1 SIFT特征点检测与匹配对比》

  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

《应用超分辨率重建算法的图像匹配算法》

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

通过表1和表2的实验结果可见，对图像进行最近邻插值、双线性插值、双三次插值和超分辨率重建都可以提高特征点检测数目以及匹配点数。在SIFT算法的结果中，特征点检测数目的关系为：超分辨率重建>最近邻插值>双三次插值>双线性插值；在SURF算法中，基本符合该规律，只是最近邻插值相比超分辨率重建反而要多，这是因为最近邻插值只是单纯的加入邻近的像素值，而SURF算法采用Hessian矩阵方法，所以最近邻插值的方法反而能检测出更多的特征点。但是，从匹配结果来看，虽然最近邻检测到的特征点多，但是其匹配到的点反而少，所以超分辨率重建的结果是要优于最近邻插值的。从整体匹配结果可以得出，超分辨率重建的方法得出的匹配结果都要优于其它3种方法。综上所述，超分辨率对于图像的特征提取与匹配具有一般的插值算法不可替代的优势。