《表1 不同算法测试结果对比》

  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

《基于改进网格运动统计特征的图像匹配算法》

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

为了进一步客观量化描述本文算法的优越性，对本文算法和另外三种算法得出的测试结果进行了整理与分析，如表1所示。从表1中的各项数据指标可以看出，与GMS算法相比，本文算法对近景图像匹配正确率提高了16.15个百分点，对远景图像匹配正确率提高了8.35个百分点，原因在于本文算法采用匹配点对距离相似性原则，再利用评价函数进行匹配点集的整理，进一步剔除了误匹配；与ORB算法相比，本文算法对近景图像匹配正确率提高了29.98个百分点，对远景图像匹配正确率提高了12.67个百分点，这是因为基于网格运动划分，使正确匹配和错误匹配得以较好的区分；与SIFT算法相比，本文算法对近景图像匹配正确率提高了48.04个百分点，对远景图像匹配正确率提高了3.56个百分点，这是由于本文算法在基于网格运动约束区分正确匹配点后，根据匹配点对的距离相似性筛选匹配点，再进行RANSAC算法剔除误匹配点，能得到较好的匹配效果。此外，在运行时间方面，GMS算法运行时间最短，本文算法运行时间略高于GMS算法，保持了GMS算法简单快速的特点，但明显比SIFT、ORB算法运行时间短。而SIFT算法运行时间最长，大约为本文算法消耗时间的3～7倍。经过分析指出，本文算法在保证匹配点数目稳定的情况下，平均匹配正确率达到97%以上，在同样的场景下，本文算法能够保持较少的运行时间，同时误匹配剔除率较高，为后续图像匹配的应用提供了保证。