SURFに使用できるメトリックを探しています。ある画像が別の画像とどの程度一致しているかのように、たとえば0から1とします。ここで、0は類似性がないことを意味し、1は同じ画像を意味します。
SURFは次のデータを提供します。
- クエリ画像のインタレストポイント（およびその記述子）（セットQ）
- ターゲット画像内の関心点（およびそれらの記述子）（セットT）
- 最近傍アルゴリズムのペアを使用して、上から2つのセットから作成できます
私はこれまで何かを試していましたが、うまく機能していないようでした：
さまざまなセットのサイズを使用したメトリック：d = N / min（size（Q）、size（T））ここで、Nは一致する関心点の数です。これにより、非常に類似した画像の評価がかなり低くなります。たとえば、Qの約600とTの200から70の関心ポイントが一致した場合でも0.32です。70は本当に良い結果だと思います。対数目盛を使用することを考えていたので、実際に小さい数値だけでは結果が低くなりますが、正しい方程式を見つけることができないようです。0.59の結果が得
d = log(9*d0+1)られましたが、これはかなり良いですが、それでも、SURFのパワーを破壊するようなものです。ペア内の距離を使用したメトリック：Kの最適なものを見つけて、それらの距離を追加するようなことをしました。2つの画像が類似している距離が最小です。これに伴う問題は、距離が計算される関心点記述子要素の最大値と最小値がわからないため、結果を比較的しか見つけることができないことです（多くの入力から最良です）。私が言ったように、メトリックを正確に0から1の間に置きたいのですが、SURFを他の画像メトリックと比較するためにこれが必要です。
これら2つの最大の問題は、もう1つを除外することです。1つは一致の数を考慮せず、もう1つは一致間の距離を考慮しません。道に迷いました。
編集：最初のものについては、log（x * 10 ^ k）/ kの方程式（kは3または4）はほとんどの場合良い結果をもたらします、最小値は良くありません、それはdを1より大きくすることができますいくつかのまれなケースですが、それがなければ小さな結果が戻ってきます。