《表1 遥感图像匹配比较数据》

  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SIFT算法和NSCT相结合的遥感图像匹配算法》

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

表1对3种方法的试验结果特征点数量、匹配对、匹配时间、错误匹配对、正确匹配率对比分析。从表1中可以看出:（1）在特征点数量上，使用SIFT算法对遥感图像进行处理时，由于遥感图像细节丰富，提取出的特征点数量很多，这在计算特征描述符时会花费相当长时间，从而拖累整个算法的时长，在这些特征点中，只有少部分的特征点在下一步匹配和拼接过程中可以用到，故采用NSCT算法将遥感图像分解，只使用分解出的低频图像进行下一步的特征提取，这样提取到的特征点数量会大幅下降，从而减少生成特征描述符的时间。（2）SIFT算法产生的匹配对数量因为特征点的数量多而增多，但带来的错误匹配对也较多，匹配时间增加，经过NSCT算法分解后的低频图像，用本文改进的SIFT算法处理后，可以明显看出，Canny算子会去除一些图像的不稳定边缘点，相比NSCT+SIFT算法，可以进一步减少特征点的数量，以达到减少匹配时的计算量和匹配时间的目的。（3）不稳定边缘点的去除和RANSAC算法的引入可以为算法减少部分误匹配，提升算法处理遥感图像的抗噪性和正确匹配率。