基于子向量距离索引的特征匹配算法的改进
【出 处】:
【作 者】:
范文婷
;
陈秀宏
【摘 要】
在解决高维向量的搜索问题方法中,基于子向量距离索引的向量匹配算法isVD拥有较好的搜索精度和效率。但是,该算法计算复杂度仍然较高,在实际应用中会受到限制。针对该问题,引入关键维选取方法,对iSVD算法进行改进。该方法首先将特征向量划分为多个子向量;再通过某种筛选方法,选出部分子向量代替原特征向量,进而创建索引值;最后利用索引值进行最近邻搜索。该方法能够将相似性较小的特征向量进行有效的区分,且可以进一步缩小最近邻搜索的搜索范围。实验结果表明,该算法能够在保持良好搜索精度的同时,提高匹配的正确率,缩短匹配时间,具有较好的实用性。
相关热词搜索: 高维向量 特征匹配 子向量距离索引 关键维 最近邻搜索 high-dimensional vector feature matching iSVD the key dimension nearest-neighbor searching
上一篇:视频图像文字检测综述
下一篇:手眼系统中刀具刀头位姿标定与视觉引导