opencv - 比较大量图像的特征描述符

Question

我有一组几千张图片，我为每张图片提取了一组 SIFT 特征描述符(目前每张图片绑定(bind)到 200 个)。

我需要形成每幅图像之间距离的完整图表。也就是说，我需要通过某种度量计算出每张图像与其他所有图像之间的距离。

到目前为止，我已经尝试使用 FLANN 计算两个节点之间的 20 个最近邻描述符，然后计算每个匹配描述符之间的平均距离。不幸的是，执行此过程花费的时间太长。

有什么方法可以更有效地比较这些图像的描述符吗？

Answer 1

您可以考虑将描述的 SIFT 聚合到视觉词袋 (BoV) 或局部聚合描述符向量 (VLAD) 中。基本上:

1 - 使用例如 K-means 计算密码本(K SIFT 描述符)

2 - 对于每个图像，提取 SIFT 描述符，然后在代码本中寻找每个图像的最近邻居。因此，根据密码本计算图像的 SIFT 的直方图。这是最简单的方法(硬编码、Sum pooling)但存在替代方法(并且通常可以为计算机视觉问题提供更好的结果)

3 - 因此，每个图像都用大小为 K 的唯一向量(直方图)表示。然后，您可以简单地将图像之间的距离计算为这些直方图之间的(例如欧几里德)距离。