将一个图像中的 SURF 描述符与其他图像中的描述符列表进行比较答案

【问题标题】：Compare SURF descriptors in one image to a list of descriptors in other images将一个图像中的 SURF 描述符与其他图像中的描述符列表进行比较
【发布时间】：2012-01-09 15:03:33
【问题描述】：

我想将一张图像 (A) 中的 SURF 描述符与其他几张图像 (B,C,D,..) 中的描述符进行比较，以找到与 A 最相似的图像。描述符有 64 个维度。

使用 C# 和 Emgu，通过将 A 的描述符与 B 的描述符进行比较来完成匹配，然后是 C 的描述符，然后是 D 的描述符，依此类推。当图像数量超过 10 时，这非常慢，因为必须搜索许多不相关的描述符。

为了加快这个过程，正确的方法（根据文章）似乎是为 (B,C,D,..) 中的描述符构建一个 kd-tree 以快速匹配找到 A 中的描述符.kd-tree根据层级进行维度拆分。第一次拆分由第一维决定，第二次拆分由第二维等决定。但是，在描述符（64）的维数很高时，使用 KD-tree 的好处变得更小。

所以我的问题是：在使用 KD-tree/其他方法将 SURF 描述符从一个图像 (A) 匹配到多个图像 (B、C、D..) 方面，您有什么经验或知识。哪些工作做得好，哪些做得不好，你做过这样的事情吗？

FLANN 在这里是一个选项，因为它被 OpenCV 使用，但我找不到 C# 的版本。大约最近的 Neightboor 也是加速 kd-tree 的一个选项，但它是否适用于匹配图像？

最好的问候莫腾

【问题讨论】：

标签： c# opencv computer-vision surf kdtree

【解决方案1】：

您可以在 C 或 C++ 上尝试FLANN。也不算太复杂。

但是，我在 C++ 上测试 FLANN，但匹配时间（使用 SURF 特征，FLANN，查询 1000 张图像）非常长，从 20 秒到 400 秒（取决于每个图像的特征向量数量）。

【讨论】：