The primary contribution of this paper is an efficient match pair selection method for oblique unmanned aerial vehicle (UAV) images. First, high overlap degrees and spatial resolutions cause image and feature redundancies in vocabulary tree building and image indexing. To cope with this issue, an image selection strategy and a feature selection strategy are designed to decrease the total number of features. Second, by analysing the distribution of the similarity scores, an adaptive threshold selection method is implemented to determine the number of candidate match pairs for each query image, and it avoids the disadvantages of the fixed number and fixed proportion methods. Then, an algorithm, termed AVT-Expansion, is proposed for the match pair selection and simplification where the initial match pairs are first selected by using the adaptive vocabulary tree (AVT). To simplify the initial match pairs, the AVT method is integrated with our previous MST-Expansion algorithm, which is used to extract a match graph by analysing the image topological connection network. Finally, the proposed method is verified using three UAV datasets captured with different oblique multi-camera systems. Experimental results demonstrate that the efficiency of the vocabulary tree building is improved, with speed-up ratios ranging from 14 to 16, and that high image retrieval precision values are obtained for the three datasets. For match pair selection of oblique UAV images, the proposed method is an efficient solution.

本文的主要贡献是一种用于倾斜无人机的有效匹配对选择方法。首先，高重叠度和空间分辨率会在词汇树构建和图像索引中导致图像和特征冗余。为了解决该问题，设计了图像选择策略和特征选择策略以减少特征的总数。其次，通过分析相似性分数的分布，实现了自适应阈值选择方法来确定每个查询图像的候选匹配对的数量，避免了固定数量和固定比例方法的弊端。然后，称为AVT扩展的算法 提出了用于匹配对选择和简化的方法，其中首先通过使用自适应词汇树（AVT）选择初始匹配对。为了简化初始匹配对，AVT方法与我们先前的MST-Expansion算法集成在一起，该算法用于通过分析图像拓扑连接网络来提取匹配图。最后，使用不同的斜多相机系统捕获的三个无人机数据集验证了该方法的有效性。实验结果表明，词汇树构建的效率得到了提高，加速比范围为14到16，并且针对这三个数据集获得了较高的图像检索精度值。对于斜无人机图像的匹配对选择，该方法是一种有效的解决方案。AVT方法与我们以前的MST扩展算法集成在一起，该算法用于通过分析图像拓扑连接网络来提取匹配图。最后，本文提出的方法通过使用不同斜交多相机系统捕获的三个无人机数据集进行了验证。实验结果表明，词汇树构建的效率得到了提高，加速比范围为14到16，并且针对这三个数据集获得了较高的图像检索精度值。对于斜无人机图像的匹配对选择，该方法是一种有效的解决方案。AVT方法与我们以前的MST扩展算法集成在一起，该算法用于通过分析图像拓扑连接网络来提取匹配图。最后，使用不同的斜多相机系统捕获的三个无人机数据集验证了该方法的有效性。实验结果表明，词汇树构建的效率得到了提高，加速比范围为14到16，并且针对这三个数据集获得了较高的图像检索精度值。对于斜无人机图像的匹配对选择，该方法是一种有效的解决方案。所提出的方法通过使用不同斜多相机系统捕获的三个无人机数据集进行了验证。实验结果表明，词汇树构建的效率得到了提高，加速比范围为14到16，并且针对这三个数据集获得了较高的图像检索精度值。对于斜无人机图像的匹配对选择，该方法是一种有效的解决方案。所提出的方法通过使用不同斜多相机系统捕获的三个无人机数据集进行了验证。实验结果表明，词汇树构建的效率得到了提高，加速比范围为14到16，并且针对这三个数据集获得了较高的图像检索精度值。对于斜无人机图像的匹配对选择，该方法是一种有效的解决方案。