面向高维图像特征匹配的多次随机子向量量化哈希算法

被引：9

作者：

杨恒

王庆

何周灿

机构：

[1] 西北工业大学计算机学院

来源：

计算机辅助设计与图形学学报 | 2010年 / 22卷 / 03期

关键词：

高维特征匹配; 最近邻搜索; 图像匹配; 图像检索; 多次随机子向量量化哈希;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了解决高维图像特征的高效匹配问题,提出一种新的基于多次随机子向量量化哈希(MRSVQH)的索引算法.该算法根据随机选择的若干子向量的L2范数对特征向量进行量化,并根据量化值对特征向量进行散列,构建出哈希索引结构;为了提高搜索精度,类似的哈希索引结构被多次构建.搜索时仅考察与查询向量有相同哈希值的特征向量集合,缩减了搜索范围.实验数据表明,与经典的BBF和LSH算法相比,MRSVQH算法在图像特征的最近邻搜索精度和搜索速度方面都有较大的性能提升,在图像匹配和图像检索的应用中具有优势.

引用

页码：494 / 502+510 +510

页数：10

共 8 条

[1] 多摄像机之间基于区域SIFT描述子的目标匹配 [J].

明安龙 ;

马华东 .

计算机学报, 2008, (04) :650-661

[2] 稳健的球面全景图全自动生成算法 [J].

李艳丽 ;

向辉 .

计算机辅助设计与图形学学报, 2007, (11) :1393-1398

[3] 一种LSH索引的自动参数调整方法 [J].

卢炎生 ;

饶祺 .

华中科技大学学报(自然科学版), 2006, (11) :38-40+57

[4] Robust multi-view feature matching from multiple unordered views [J].

Yao, Jian ;

Cham, Wai-Kuen .

PATTERN RECOGNITION, 2007, 40 (11) :3081-3099

[5] Automatic panoramic image stitching using invariant features [J].

Brown, Matthew ;

Lowe, David G. .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2007, 74 (01) :59-73

[6]

Photo tourism[J] . Noah Snavely,Steven M. Seitz,Richard Szeliski.ACM Transactions on Graphics (TOG) . 2006 (3)

[7] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[8]

Multi-view Matching for Unordered Image Sets, or"How do I Organize My Holiday Snaps?" .2 Schaffalitzky F,Zisserman,A. Proceedings of the7th EuropeanConference on Computer Vision . 2002

← 1 →