在 SPGD 圖像匹配方案中，由公式（2）即得到性能評(píng)價(jià)函數(shù)的改變量，此時(shí)只對(duì)性能評(píng)價(jià)函數(shù)施加了一次正擾動(dòng)，即單邊擾動(dòng)方式。然而通過(guò)編程實(shí)現(xiàn)匹配方案過(guò)程中發(fā)現(xiàn)，若對(duì)性能評(píng)價(jià)函數(shù)分別施加一次正向和負(fù)向擾動(dòng)之后相減， 即采用雙邊擾動(dòng)方式將會(huì)獲得更理想的匹配效果。由雙邊擾動(dòng)方式得到的性能評(píng)價(jià)函數(shù)改變量由公式（4）給出 （4） 為了對(duì)比兩種擾動(dòng)方式的匹配效果，我們對(duì)若干模擬序列圖像進(jìn)行匹配跟蹤實(shí)驗(yàn)，得到其中一組如圖 3 所示的收斂曲線對(duì)比圖：

　　SPGD 圖像匹配方法是一種基于 SPGD 算法的全新的匹配方法，它匹配精度高、速度快、魯棒性強(qiáng)，然而匹配坐標(biāo)系和擾動(dòng)方式的選取直接影響匹配性能， 本文通過(guò)大量匹配實(shí)驗(yàn)和相關(guān)理論分析得出了一系列有價(jià)值的結(jié)論： 1、SPGD 圖像匹配方法的匹配性能同匹配坐標(biāo)系選取密切相關(guān)，選取模板中心點(diǎn)為坐標(biāo)系原點(diǎn)將會(huì)獲得更好的匹配效果; 2、雙邊擾動(dòng)方式較單邊擾動(dòng)方式提高了匹配精度和穩(wěn)定性，進(jìn)一步提升了匹配性能。本文總結(jié)了 SPGD 圖像匹配方法中匹配坐標(biāo)系和雙邊擾動(dòng)對(duì)匹配性能影響的一般性規(guī)律，使該方法得到進(jìn)一步完善。本文作者創(chuàng)新點(diǎn)： 隨機(jī)并行梯度下降圖像匹配方法是一種全新的圖像匹配方法， 選取模板中心點(diǎn)為匹配坐標(biāo)系原點(diǎn)和采取雙邊擾動(dòng)方式能進(jìn)一步優(yōu)化其匹配性能， 獲得更好的匹配效果，此即本文的創(chuàng)新點(diǎn)。