龙空技术网

测绘通报 | 刘思康:图索引结构词袋模型的无人机影像匹配对检索

测绘学报 129

前言:

此刻我们对“最邻近搜索”大致比较重视,姐妹们都想要学习一些“最邻近搜索”的相关内容。那么小编也在网上收集了一些关于“最邻近搜索””的相关文章,希望兄弟们能喜欢,兄弟们快快来学习一下吧!

本文内容来源于《测绘通报》2023年第4期,审图号:GS京(2023)0721号

图索引结构词袋模型的无人机影像匹配对检索

刘思康1, 郭丙轩1, 姜三2, 鄢茂胜1

1. 武汉大学测绘遥感信息工程国家重点实验, 湖北 武汉 430079;2. 中国地质大学(武汉), 湖北 武汉 430074

基金项目:国家自然科学基金重大研究计划(B2021061516)

关键词:影像检索, 词汇树, 导航小世界, TF-IDF-Match4加权, GPU, 最邻近查找

引文格式:刘思康, 郭丙轩, 姜三, 等. 图索引结构词袋模型的无人机影像匹配对检索[J]. 测绘通报, 2023(4): 93-98.doi: 10.13474/j.cnki.11-2246.2023.0110.摘要

摘要 :无人机影像匹配对选择是提升影像匹配效率和三维重建稳健性的关键技术。针对经典树状索引结构词袋模型存在查找单词效率低、影像相似度计算精度低、时间复杂度高的问题,本文设计了导航小世界(NSW)图索引结构和TF-IDF-Match4算法,并提出了一种基于图索引结构词袋模型(GSBoW)的无人机影像匹配对检索方法。首先,利用SIFT GPU算法提取无人机影像特征,并通过分层K-means进行特征描述子集合聚类生成单词;然后,利用NSW索引结构进行单词组织,即从单词集合中随机挑选单词作为顶点插入图中,同时找到最邻近M个顶点建立顶点之间的边连接关系,直至所有单词插入结束;最后,在GPU端利用NSW索引结构进行最邻近单词检索,并使用TF-IDF-Match4算法计算查询影像与数据集影像的相似度,实现无人机影像的匹配对选择。本文利用3组大规模航空无人机影像进行试验,并与Colmap和DBoW的词袋模型算法进行对比。结果表明,与Colmap和DBoW词袋模型相比,本文的GSBoW检索算法效率分别提高了45和18倍,且显著提高了初始匹配精度。本文方法提供的影像匹配对能够保证三维重建获得更高的精度。

作者简介作者简介:刘思康(1997—),男,硕士生,研究方向为实景三维重建。E-mail:2020206190043@whu.edu.cn通信作者:郭丙轩。E-mail:mobilemap@163.com

初审:杨瑞芳复审:宋启凡

终审:金 君

资讯


标签: #最邻近搜索