文章提出了一种高效的图像局部特征匹配算法。在特征描述子构建阶段,提出基于梯度的距离和方向直方图(gradient distance and orientation histogram,GDOH)算法,其特征向量维数仅是SIFT和GLOH描述子的一半,然而却具有与SIFT和GLOH相当...文章提出了一种高效的图像局部特征匹配算法。在特征描述子构建阶段,提出基于梯度的距离和方向直方图(gradient distance and orientation histogram,GDOH)算法,其特征向量维数仅是SIFT和GLOH描述子的一半,然而却具有与SIFT和GLOH相当的性能;在高维特征空间最近邻搜索阶段,提出基于子向量的索引结构(indexing sub-vectors,ISV),ISV算法比BBF(Best Bin First)算法具有更高的搜索精度和更快的搜索速度。实验结果证明文中提出的图像局部特征匹配算法(GDOH+ISV)比目前广泛使用的Lowe的算法[12](SIFT+BBF)更加高效。展开更多
文摘文章提出了一种高效的图像局部特征匹配算法。在特征描述子构建阶段,提出基于梯度的距离和方向直方图(gradient distance and orientation histogram,GDOH)算法,其特征向量维数仅是SIFT和GLOH描述子的一半,然而却具有与SIFT和GLOH相当的性能;在高维特征空间最近邻搜索阶段,提出基于子向量的索引结构(indexing sub-vectors,ISV),ISV算法比BBF(Best Bin First)算法具有更高的搜索精度和更快的搜索速度。实验结果证明文中提出的图像局部特征匹配算法(GDOH+ISV)比目前广泛使用的Lowe的算法[12](SIFT+BBF)更加高效。
