我想将一张图像 (A) 中的 SURF 描述符与其他几张图像 (B,C,D,..) 中的描述符进行比较，以找到与 A 最相似的图像。描述符有 64 个维度。
使用 C# 和 Emgu，通过将 A 的描述符与 B 的描述符进行比较来完成匹配，然后是 C 的描述符，然后是 D 的描述符，依此类推。当图像数量超过 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-tree 以快速匹配找到 A 中的描述符。 kd -tree 根据级别在维度上进行拆分。第一次拆分由第一维决定，第二次拆分由第二维等决定。但是，在描述符（64）的维数很高时，使用 KD-tree 的好处变得更小。
所以我的问题是：使用 KD-tree/其他方法将 SURF 描述符从一个图像 (A) 匹配到多个图像 (B、C、D..)，您有什么经验或知识。什么效果好，什么效果不好，你做过这样的事情吗？
FLANN 在这里是一个选项，因为它被 OpenCV 使用，但我找不到 C# 的版本。大约最近的 Neightboor 也是加速 kd-tree 的一个选项，但是这对匹配图像有效吗？
最好的问候莫腾