随着图像“字袋模型”(Bag of Visual Words)的迅速发展及其在物体识别、场景分类、图像检索等计算机视觉领域的广泛应用,如何快速有效地将图像特征映射成视觉词语成为提高系统性能的关键所在。视觉词语的映射是通过高维空间的最近邻查找完成的,传统的映射算法按照视觉字典在特征空间的分布来构建索引结构,图像特征点依次独立地进入索引结构中进行最近邻查找。本文在已有算法基础上将图像特征点之间的空间相关性引入索引过程,加速了视觉词语的生成。　　 论文的主要贡献在于:　　 1.提出并构建了空间近邻表。通过为视觉字典中的每一个词语训练其近邻视觉词语集合,并存储到一个二维表格中,用以记录视觉词语之间的空间相关信息。在此基础上,提出了基于空间相关性的视觉词语加速算法。　　 2.提出了利用空间近邻表的直接映射算法。首先对查询特征进行快速近似的初始映射,通过限制最大节点比较次数控制初始映射的时间和精度,之后利用空间近邻表对原始结果直接进行更新,在一定程度上提高了映射效率。　　 3.设计并实现了利用空间近邻表的间接映射算法。将空间近邻表融合到索引结构中,把近邻集合的相关信息转换成索引概率的大小,通过概率加权来优化搜索路径。　　 在牛津建筑物图像库上的实验表明,利用空间相关信息显著地提高了视觉词语的生成效率。