一种基于多核机群架构的混合索引结构

本文提出了一种HKD-tree(Hybrid K-Dimensional tree)混合索引结构.该结构将KD-tree(K-Dimensional tree)和LSH(Locality Sensitive Hashing)两种索引结构进行组合,利用KD-tree作为上层结构的主干而LSH充当叶子节点,从而可以利用多核机群系统的层次并行结构特性.与传统的索引结构相比,该混合索引结构具有高效并行处理、可扩展性好等特点,适于多核机群系统平台及高维数据索引.实验结果表明,该混合索引结构在多核机群系统上的性能优于传统的索引结构.

层次结构K-d树的立体图像快速匹配方法

特征匹配是计算机视觉和图形图像处理领域中很多研究方向的基础,也是当前的研究热点.SIFT(scaleinvariant feature transformation)特征因其具有尺度、旋转不变性,对一定范围的仿射及视角变换具有鲁棒性等优点,自Lowe提出后,10多年来一直受到众多研究人员的关注.匹配的快速性和准确性是很多应用对特征匹配的要求,如三维重建中立体图像对(stereo pairwise image,简称SPI)的匹配.针对这一问题,以SIFT特征为基础,提出用于SPI匹配的方向大约一致(approximately consistent in orientation,简称ACIO)约束关系,其描述了SPI的匹配特征向量间的空间位置关系,有效地避免了误匹配的发生,提高了匹配的精度;通过对标准K-d树(standard K-d tree,简称SKD-tree)结构的分析,提出了层次结构K-d树(hierarchical K-d tree,简称HKD-tree),将SPI特征集根据ACIO约束关系划分成层次结构并建立映射,该方法缩小了搜索空间,从而达到加速匹配的目的.在ACIO和HKD-tree的基础上,提出了高效、快速的匹配算法.实验结果表明,所提方法比SKD-tree方法和最新的级联哈希方法(cascade hash,简称Cas Hash)在精度上略占优势,但在匹配速度上比SKD-tree快一个数量级以上,同时也数倍于Cas Hash.