Метрика для SURF

Я ищу полезную метрику для SURF. Например, насколько хорошо одно изображение соответствует другому по шкале, скажем, от 0 до 1, где 0 означает отсутствие сходства, а 1 означает одно и то же изображение.

SURF предоставляет следующие данные:

• точек интереса (и их дескрипторов) в изображении запроса (набор Q)
• точек интереса (и их дескрипторов) в целевом изображении (набор T)
• с использованием пар алгоритмов ближайшего соседа могут быть создан из двух наборов, указанных выше

Я пробовал кое-что до сих пор, но, похоже, ничего не работало слишком хорошо:

1. метрика с использованием размера различных наборов: d = N / min (size (Q), size ( T)), где N - количество совпавших процентных точек. Это дает довольно низкий рейтинг для довольно похожих изображений, например 0,32, даже когда 70 процентных пунктов были сопоставлены с примерно 600 в Q и 200 в T. Я думаю, что 70 - действительно хороший результат. Я думал об использовании некоторого логарифмического масштабирования, чтобы только действительно низкие числа давали низкие результаты, но не мог найти правильного уравнения. С d = log (9 * d0 + 1) я получаю результат 0,59, что довольно неплохо, но все же, это как бы разрушает мощь SURF.

2. метрика, использующая расстояния внутри пар: I сделали что-то вроде поиска лучшего соответствия K и сложили их расстояния. Наименьшее расстояние между двумя изображениями одинаково. Проблема в том, что я не знаю, каковы максимальные и минимальные значения для элемента дескриптора точки интереса, на основе которого рассчитывается расстояние, поэтому я могу только относительно найти результат (из многих входных данных, что является лучшим). Как я уже сказал, я хотел бы установить метрику точно между 0 и 1. Мне это нужно, чтобы сравнить SURF с другими показателями изображений.

Самая большая проблема с этими двумя - это то, что исключают другой. Один не учитывает количество совпадений, другой - расстояние между совпадениями. Я потерялся.

РЕДАКТИРОВАТЬ : для первого уравнения log (x * 10 ^ k) / k, где k равно 3 или 4, большую часть времени дает хороший результат, min - нет. хорошо, в некоторых редких случаях он может сделать d больше 1, без этого небольшой результат вернется.