大规模近重复图像搜索的有效特征检测和有效后验证

最新的近乎重复的图像搜索系统主要建立在局部特征袋（BOF）表示上。 这些系统虽然有利于简单性和可伸缩性，但具有三个缺点：1）局部特征检测的时间复杂度高； 2）由于BOF量化而降低了局部描述符的可分辨性； 3）忽略了BOF表示后局部特征之间的几何关系。 为了克服这些缺点，我们提出了一种使用图形处理单元（GPU）的新颖框架。 我们的方法的主要贡献是：1）根据GPU的特点设计了一种新的快速局部特征检测器，称为Harris-Hessian（HH），以加速局部特征检测。 2）合并每个局部特征周围的空间信息以改善其可分辨性，从而提供半局部空间相干验证（LSC）； 3）提出了一种新的成对弱几何一致性约束（P-WGC）算法，对搜索结果进行了细化。 此外，系统的一部分在GPU上实现，以提高效率。 在参考数据集和一百万个图像的数据集上进行的实验证明了HH，LSC和P-WGC的有效性和效率。