图像特征匹配中一种快速关键维过滤搜索算法

被引：4

作者：

何周灿

王庆

杨恒

机构：

[1] 西北工业大学计算机学院

来源：

西安电子科技大学学报 | 2010年 / 37卷 / 03期

关键词：

特征匹配; 尺度不变特征变换; K近邻; B+Tree; 关键维过滤; 图像检索;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了解决宽基线多图匹配中匹配效率低和匹配精度不高的问题,使用经典的SIFT特征作为描述子,提出一种新的高维特征搜索算法.采用基于距离尺度的相似性度量准则,首先将图像高维特征集合分类,然后为每一个类建立B+Tree索引,最后在KNN(K Nearest Neighbor)搜索阶段应用基于关键维过滤的查找策略,实现高维特征的快速匹配.实验结果表明,与经典的BBF和LSH等KNN搜索算法相比较,关键维过滤搜索算法具有更高的搜索效率和搜索精度,有助于提升宽基线多图匹配性能.

引用

页码：534 / 540

页数：7

共 7 条

[1] Robust multi-view feature matching from multiple unordered views
Yao, Jian
Cham, Wai-Kuen
[J]. PATTERN RECOGNITION, 2007, 40 (11) : 3081 - 3099
[2] Automatic panoramic image stitching using invariant features
Brown, Matthew
Lowe, David G.
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2007, 74 (01) : 59 - 73
[3] Distinctive image features from scale-invariant keypoints
Lowe, DG
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) : 91 - 110
[4] I mproving Descriptors for Fast Tree Matching by Opti mal Linear Projection. Mikolajczyk K,Matas J. Proc ICCV . 2007
[5] I mage Database. http://lear.inrialpes.fr/people/Mikolajczyk . 2010
[6] Si milarity Search in High Di mensions via Hashing. Gionis A,Indyky P,Motwaniz R. Proc VLDB . 1999
[7] Object Recognition Benchmark. http://vis.uky.edu/～?stewe/ukbench . 2010

← 1 →