遥感影像检索中高维特征的快速匹配

作者：陈慧中; 陈永光; 景宁; 陈荦

来源：电子与信息学报, 2011, (09): 2144-2151.

• 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 Remote sensing image retrieving
• Feature matching
• High-dimensional k-Nearest-Neighbor(kNN) search
• Best-Bin-First(BBF) algorithm

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。

• 单位
  中国人民解放军国防科学技术大学; 西南电子电信技术研究所; 中国人民解放军陆军工程大学