SIFT功能匹配性能,同时匹配多个图像

时间:2012-04-17 09:03:17

标签: sift kdtree knn

我有一个图像库,有~5000个图像,约有150个功能。现在我有另外一个具有约300个功能的图像,我想在我的库中找到5个最相似的图像。

蛮力需要大约300 * 5000 * 150 * 128的操作,耗费太多时间。所以我在我的库中为每个图像构建了一个kd树,这意味着~5000 kd-trees。我使用bbf search作为其他筛选库所做的近似最近邻居。但是性能变得比我的强力算法慢。为了确保它不是我的实现的错误,我将其他库的匹配算法修改为暴力,它们的性能也提高了。

我的问题是,是否有可能将~5000 kd树组合成一棵树?或者是否有其他方法可以在匹配多个图像时提高性能?

1 个答案:

答案 0 :(得分:2)

您可以考虑使用Locality Sensitive Hashing,如果不是100%准确,则应该快得多。