比较大图像的特征描述符
我有一组数千个图像，并且对于每个图像，我已经提取了一组SIFT特征描述符（当前绑定到每个图像200个）。
我需要形成每幅图像之间距离的完整图。 也就是说，我需要通过一些度量来计算每个图像到每个其他图像的距离。
到目前为止，我尝试使用FLANN来计算两个节点之间的20个最近邻居描述符，然后计算每个匹配描述符之间的平均距离。 不幸的是，这个过程需要很长时间才能完成。
有没有什么办法可以更有效地比较这些图像的描述符？
你可以考虑把你的SIFT描述集合成一个Bag-of-Visual字（BoV）或一个局部聚合描述符矢量（VLAD）。 基本上：
1 - 用例如K均值计算码本（K个SIFT描述符）
2 - 对于每个图像，提取SIFT描述符，然后在码本中查找每个图像的最近邻。 因此，根据码本来计算图像的SIFT的直方图。 这是最简单的方法（硬编码，总和池），但存在替代方案（并且通常会给计算机视觉问题带来更好的结果）
3 - 因此，每个图像用一个大小为K的独特矢量（直方图）表示。 然后，您可以简单地计算图像之间的距离作为这些直方图之间的（例如欧几里得）距离。
链接地址: http://www.djcxy.com/p/29165.html