GmH (Geometric min-Hashing: Finding a (Thick) Needle in a Haystack)

主要思想：

 

取一个特征集合，该特征集合中的特征满足：

    1. 特征到words为一一映射。（方便获取该特征的位置，尺度，方向等没有表示在128维描述子中的信息）

    2. 并且至少有三个与其scale相似的特征在其周围。

 

随机取该集合中的一个特征（words）为secondary features的中心特征。

 

取在坐标位置上和scale上与中心特征差别不大的所有聚类位置为不同words的特征（words）作为secondary features

 

用secondary features作min-hash sketch进行图像检索。

 

 

缺点：
1. 第一个特征，centre feature可能不匹配。

2. 可能对textures and repeated structures的效果不好。因为textures and repeated structures中可选取的centre feature比较少。其重复的结构上，words - features是一对多。