摘要：提高特征点匹配效率是将高维局部特征运用于遥感影像检索的关键,该文提出一种新的压缩优先过滤（CPF）索引算法。该算法通过量化特征向量构建近似向量空间上的高维索引结构,利用优先队列过滤得到近似近邻候选集,精确计算候选实际特征向量得到最终近邻。在CPF算法基础上提出了基于快速鲁棒性特征（SURF）的遥感影像快速检索算法。实验及分析表明,与经典的最佳桶优先（BBF）算法相比较,CPF降低了磁盘读写（I/O）和浮点运算次数,特征点数目较大时,查询效率和总体查询精度均有显著提高,基于SURF特征的遥感影像快速检索算法能快速返回正确目标与相似目标影像。

关键词：遥感影像检索 特征向量匹配 

单位：国防科学技术大学电子科学与工程学院 长沙410073 西南电子电信技术研究所上海分所 上海200434 军械工程学院 石家庄050003