基于图索引全局描述子的大规模无人机影像高效匹配对检索
计算机视觉与模式识别
2023-07-11 v1
摘要
SfM（运动恢复结构）已广泛用于无人机（Unmanned Aerial Vehicle, UAV）影像定向。其效率直接受特征匹配影响。尽管图像检索已广泛用于匹配对选择，但由于大量局部特征及所用码本规模大，消耗了高昂的计算成本。因此，本文提出一种高效的匹配对检索方法，并实现了用于并行 SfM 重建的集成工作流。首先，考虑 UAV 影像与局部特征的冗余性，在线训练独立码本，避免了从其他数据集训练码本带来的歧义。其次，利用所训练码本通过 VLAD（局部聚合描述子向量）聚合将每幅图像的局部特征聚为单一高维全局描述子，显著减少了特征数量及图像索引中最近邻搜索的负担。第三，通过基于 HNSW（分层可导航小世界）的图结构对全局描述子建立索引以进行最近邻搜索。随后采用自适应阈值选择策略检索匹配对，并用于构建视图图以进行基于分治的并行 SfM 重建。最后，使用三个大规模 UAV 数据集验证了所提方案的性能。测试结果表明，所提方案将匹配对检索加速 36 至 108 倍，并以在相对与绝对定向均具竞争力的精度提升了 SfM 重建效率。
引用
@article{arxiv.2307.04520,
title = {Efficient Match Pair Retrieval for Large-scale UAV Images via Graph Indexed Global Descriptor},
author = {San Jiang and Yichen Ma and Qingquan Li and Wanshou Jiang and Bingxuan Guo and Lelin Li and Lizhe Wang},
journal= {arXiv preprint arXiv:2307.04520},
year = {2023}
}