这里有很多东西。
为了知道两个图像（几乎）相等，您必须找到这两个图像的单应投影，以便投影导致投影特征位置之间的误差最小。暴力破解是可能的，但效率不高，所以一个技巧是假设相似的图像也倾向于在同一位置具有特征位置（给予或接受一点）。例如，在拼接图像时，要拼接的图像通常仅从稍微不同的角度和/或位置拍摄；即使没有，距离也可能会随着方向的不同而增长（“成比例地”）。
这意味着您可以 - 作为一个广泛的阶段 - 通过在所有图像对之间找到k具有最小空间距离（k最近邻）的点对来选择候选图像，并仅对这些点执行单应性。只有这样，您才能比较投影的点对空间距离并按所述距离对图像进行排序；最短距离意味着最好的匹配（考虑到情况）。
如果我没记错的话，描述符的方向是角度直方图中最强的角度。Theat 意味着您也可以决定直接采用 64 或 128 维特征描述符的欧几里德 (L2) 距离，以获得两个给定特征的实际特征空间相似度，并对最佳k候选者执行单应性。（不过，您不会比较找到描述符的尺度，因为这会破坏尺度不变性的目的。）
这两种选择都非常耗时，并且直接取决于图像和特征的数量；换句话说：愚蠢的想法。
近似最近邻
一个巧妙的技巧是根本不使用实际距离，而是使用近似距离。换句话说，您需要一个近似的最近邻算法，而FLANN（尽管不适用于 .NET）就是其中之一。
这里的一个关键点是投影搜索算法。它的工作原理是这样的：假设您要比较 64 维特征空间中的描述符。您生成一个随机的 64 维向量并对其进行归一化，从而在特征空间中生成一个任意单位向量；让我们称之为A。现在（在索引期间）您针对该向量形成每个描述符的点积。这会将每个 64 维向量投影到 上A，从而得到一个实数a_n。（此值表示描述符相对于的原点a_n的距离。）AA
我从这个关于 PCA 的 CrossValidated 的答案中借来的这张图片直观地展示了它；将旋转视为 的不同随机选择的结果A，其中红点对应于投影（因此，标量a_n）。红线显示了您使用该方法所犯的错误，这就是使搜索近似的原因。
您将A再次需要搜索，因此您将其存储。您还可以跟踪每个投影值a_n及其来自的描述符；此外，您将每个a_n（带有指向其描述符的链接）排列在一个列表中，按a_n.
为了澄清使用此处的另一张图像，我们对沿轴的投影点的位置感兴趣A：
a_0 .. a_3图像中 4 个投影点的值大约sqrt(0.5²+2²)=1.58为 、和sqrt(0.4²+1.1²)=1.17，对应于它们到的原点的距离。-0.84-0.95A
如果您现在想要找到相似的图像，您也可以这样做：将每个描述符投影到 上A，从而产生一个标量q（查询）。现在您转到q列表中的位置并获取k周围的条目。这些是您的近似最近邻居。现在取这些k值的特征空间距离并按最低距离排序 - 顶部是您的最佳候选者。
回到最后一张图片，假设最上面的点是我们的查询。它的投影是1.58，它的近似最近邻居（四个投影点）是1.17. 它们在特征空间上并不是很接近，但鉴于我们只使用两个值比较了两个 64 维向量，它也没有那么糟糕。
您会看到那里的限制，并且类似的预测根本不需要接近原始值，这当然会导致相当有创意的匹配。为了适应这一点，您只需生成更多的基本向量B,C等等 - 比如说n它们 - 并为每个单独的列表跟踪。对所有这些进行最佳匹配，根据它们与查询向量的欧几里德距离对 64 维向量k列表进行排序，对最好的向量执行单应性并选择具有最低投影误差的向量。k*n
关于这一点的巧妙之处在于，如果您有n（随机的、标准化的）投影轴并且想要在 64 维空间中搜索，您只需将每个描述符与一个n x 64矩阵相乘，从而得到n标量。