我想比较一个图像（A）中的SURF描述符和几个其他图像（B，C，D，..）中的描述符，以找到与A最相似的图像。描述符有64个维度。 / p>
使用C＃和Emgu，匹配是通过将A的描述符与B，然后是C，然后D'等进行比较来完成的。当图像数超过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树以快速匹配在A中找到描述符.kd树根据级别进行维度分割。第一次分割由第一维决定，第二次由第二维分割等。但是，对于描述符（64），维数较高时，使用KD树的好处变小。
所以我的问题是：使用KD树/其他方法将SURF描述符从一个图像（A）与几个图像（B，C，D ......）匹配时，您有什么样的经验或知识。什么效果不错，不是很好，你做过这样的事吗？
FLANN将是一个选项，因为OpenCV使用它，但我找不到C＃的版本。近似最近的Neightboor也可以选择加速kd树，但这对匹配图像有效吗？
祝你好运 莫滕
答案 0 :(得分：0)
您可以在C或C ++上尝试FLANN。它并不太复杂。
但是，我在C ++上测试FLANN，但匹配时间（使用SURF功能，FLANN，1000个图像上的查询）非常长，从20秒到400秒（取决于每个图像的特征向量数）。
答案 1 :(得分：0)