《表1 不同斑点噪声的仿真SAR图像定量评估结果》
针对SAR图像匹配:首先要获取足够多的稳定特征点数,其次是在稳定特征点局部区域构建鲁棒快速的描述符,最后将获得的特征点描述符进行高效准确的匹配。图12对比了BFSIFT算法、NDSS-SIFT算法和本文算法匹配点对的RMSE,本文算法的RMSE明显低于另外两种算法,由此可以看出本文算法在进行SAR图像匹配时具有更好的准确性。图13对比了两种算法和本文算法检测的内联比率,可以看出本文算法的内联比率略高于其他两种算法,主要由于本文采用的滚动引导滤波构建尺度空间时有效滤除了相干斑噪声,减少虚假特征点,并良好保存了真实边缘信息,增加有效特征点,并且利用ROEWA算子针对SAR图像处理的优越性,在特征点检测阶段进一步提高特征点的质量,在描述符构建阶段形成了鲁棒的描述符。图14对比了BFSIFT算法的双边滤波、NDSS-SIFT算法非线性扩散滤波与本文方法构建尺度空间耗时,本文方法耗时最多,接近于其他两种算法耗时的两倍,主要由于滚动引导滤波的迭代过程耗时。然而图15对比了两种算法与本文匹配算法总耗时,本文算法低于另外两种算法,最主要因为尺度空间构建阶段获取了高质量的滤波图像之后,特征点检测和描述符构建阶段检测出了准确的特征点并形成了鲁棒快速的描述符,所以特征搜索与匹配阶段极大地减少了搜索耗时与剔除错误匹配点对的时间消耗,算法的总体耗时相对减少。综合来看,本文算法在保证了算法时间复杂度的前提下,提高了匹配精度与匹配概率,在获取准确稳定特征点的同时,很大程度上保证了算法的实时性并提升了算法的有效性。
图表编号 | XD0069916100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 于秋则、周珊、雷震、吴鹏 |
绘制单位 | 武汉大学电子信息学院、武汉大学电子信息学院、武汉大学电子信息学院、武汉大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |