PCPF:一种面向多媒体数据库中高维向量匹配的并行索引结构

被引:5
作者
陈慧中 [1 ,2 ]
陈永光 [3 ]
景宁 [1 ]
陈荦 [1 ]
机构
[1] 国防科学技术大学电子科学与工程学院
[2] 西南电子电信技术研究所上海分所
[3] 军械工程学院
关键词
特征向量匹配; 多媒体检索; BBF; 高维kNN查询;
D O I
暂无
中图分类号
TP311.13 [];
学科分类号
1201 ;
摘要
提高特征向量的匹配效率是将高维局部特征运用于多媒体数据检索的关键.面向多核处理器架构,提出一种新的PCPF索引以及PCPF并行构建与并行查询匹配算法.PCPF并行构建算法通过量化特征向量构建近似向量空间上的高维索引结构,并进行空间划分并行构建多个子索引分支;PCPF并行查询匹配算法利用优先队列在邻近子分支上并行过滤得到近似近邻候选集,精确计算候选实际特征向量得到最终近邻.实验及分析表明,与经典的BBF算法相比较,PCPF通过降低了磁盘I/O和浮点运算次数以及并行优化,显著提升了查询匹配效率,总体匹配精度也有所提高.
引用
收藏
页码:2009 / 2017
页数:9
相关论文
共 6 条
[1]   面向高维图像特征匹配的多次随机子向量量化哈希算法 [J].
杨恒 ;
王庆 ;
何周灿 .
计算机辅助设计与图形学学报, 2010, 22 (03) :494-502+510
[2]   基于聚类分解的高维度量空间索引B+-Tree [J].
张军旗 ;
周向东 ;
王梅 ;
施伯乐 .
软件学报, 2008, (06) :1401-1412
[3]   基于最大间隙空间映射的高维数据索引技术 [J].
王国仁 ;
黄健美 ;
王斌 ;
韩东红 ;
乔百友 ;
于戈 .
软件学报, 2007, (06) :1419-1428
[4]  
Image retrieval[J] . Ritendra Datta,Dhiraj Joshi,Jia Li,James Z. Wang.ACM Computing Surveys (CSUR) . 2008 (2)
[5]  
iDistance[J] . H. V. Jagadish,Beng Chin Ooi,Kian-Lee Tan,Cui Yu,Rui Zhang.ACM Transactions on Database Systems (TODS) . 2005 (2)
[6]   Distinctive image features from scale-invariant keypoints [J].
Lowe, DG .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110