遥感影像检索中高维特征的快速匹配
提高特征点匹配效率是将高维局部特征运用于遥感影像检索的关键,该文提出一种新的压缩优先过滤(CPF)索引算法.该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,利用优先队列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.在CPF算法基础上提出了基于快速鲁棒性特征(SURF)的遥感影像快速检索算法.实验及分析表明,与经典的最佳桶优先(BBF)算法相比较,CPF降低了磁盘读写(I/O)和浮点运算次数,特征点数目较大时,查询效率和总体查询精度均有显著提高,基于SURF特征的遥感影像快速检索算法能快速返回正确目标与相似目标影像.
遥感影像检索、特征向量匹配、高维k近邻(kNN)查询、最佳桶优先(BBF)算法
33
TP391(计算技术、计算机技术)
国家863计划项目2008AA12A211,2009AA7010413资助课题
2012-02-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
2144-2151