在图像检索matlab项目中，我从每个图像中提取了14个特征，如下表所示。
** Si.No Feature name Size Example Values **
1 Feature_1 1x64 {96.02, 100.29, 69.04, 91.23,……89.42}
2 Feature_2 1x64 {0.070, 0.0671, 0.0876, …….. 0.065}
3 Feature_3 1x64 {0.837, 0.949, 0.992, 1.015 .…. 1.306}
4 Feature_4 1x64 { 5.00, 5.831, 8.6023, 6.403,…..8.602}
5 Feature_5 1x64 {-18.875, -10.85, -5.12, … 39.2005}
6 Feature_6 1x1 0.6465494
7 Feature_7 1x1 0.89150039
8 Feature_8 1x1 0.888859
9 Feature_9 1x1 0.990652599
10 Feature_10 1x1 157.8198719
11 Feature_11 1x1 0.60112219
12 Feature_12 1x1 0.060502114
13 Feature_13 1x1 0.139164909
14 Feature_14 1x1 5.7084825
上述功能集适用于单张图像。为了计算两个图像之间的相似性，我尝试了以下方法。
首先，我通过构建图像的特征矩阵（大小：14 x n）对整个特征集应用距离计算。
其次，从两个图像的各个特征计算出14个距离值，然后添加各个距离值以获得最终距离值。这里的问题是某些功能占主导地位并使其他功能无效。 （例如，Feature_1和Feature_10会给出较大的距离值，因此添加其他12个要素与它们的距离不会产生任何影响。所以我将14个单独的距离值标准化为0到1的范围，问题又是小距离值正常化后变得太小。
但在这两种方法中，检索结果并不令人满意。是否还有其他方法可以计算出具有同等重要性的上述所有特征的图像之间的相似性？
此致
P.Arjun