图像的SIFT特征二阶检索算法

提出了用图像SIFT特征二阶检索算法实现相似图像检索。首先对图像进行SIFT特征提取,然后利用词袋算法通过K-Means聚类出特征词并建立特征词频表,最后基于词频表通过二阶检索算法实现相似图像匹配。二阶检索分两步:第一步实现特征分布结构的相似检索;第二步根据两张图像对应特征点落于同一特征类的数量与图像自身特征点数的比例来实现图像的精确检索,提高图像检索的准确率。实验结果表明,该方法具有较高的查全率,同时在查询效率上也具有很好的表现。

面向生成式聚类中心的二阶段三维模型检索方法

针对现有三维模型检索方法对于类内差别区分能力不足的问题,提出了面向聚类中心的二阶段检索方法,对训练数据进行无监督的二级类别聚类后进行回归学习,使检索方法在有效区分不同类别三维模型的基础上,具备区分类内差别的能力,可以优先检索出在外形上更相似的同类模型,在使用modelnet40单模态点云数据的情况下,mAP达到了92.3%。使用提出的二阶段检索方法,在检索目标数较小的情况下,所需时间仅为不使用该方法的5%或更低。在工业零件数据集上的分类准确率达到100%,mAP达到99.1%,证明所使用方法完全适用于工业生产。