通常，SIFT、SURF和许多其他算法提供一组k关键点和相关的d维度描述符（例如，在 SIFT 中，每个描述符都有d=128维度）。
因此，为了描述图像，我们需要一个矩阵kxd（k描述符向量，每个d维度都有一个）。到目前为止，一切都很好。
我的问题是：我们如何通过单个向量来描述图像？
这可能非常有用，因为我们可以节省大量空间，并且某些算法（如LSH）需要向量作为输入/查询。
在一些论文中（例如this，第 6.5 节），这种方法被描述为“全局描述符”。
据了解，我只找到了这篇论文，但它似乎不太准确（它是 2009 年的，不是那么新）。
更新： 其他可能的解决方案（评论中提出了一些建议）：
视觉词袋
主旨描述符