Python 在SIFT特征中加入全局特征以发现图像相似性

我目前正在使用SIFT特征来寻找图像之间的相似性度量。但是我想给它添加更多的特性，以便改进相似性度量。现在，对于类似的图像，它显示

len（good）

的值约为

500

，对于棋盘游戏和狗的图像，该值约为

275

。我还可以研究哪些其他功能，可能是全局功能？我如何将其添加到SIFT中

   def feature_matching():

    img1 = cv2.imread('img1.jpeg', 0)          # queryImage

    img2 = cv2.imread('img2.jpeg', 0)

    # Initiate SIFT detector
    sift = cv2.SIFT()

    # find the keypoints and descriptors with SIFT
    kp1, des1 = sift.detectAndCompute(img1,None)
    kp2, des2 = sift.detectAndCompute(img2,None)

    # BFMatcher with default params
    bf = cv2.BFMatcher()
    matches = bf.knnMatch(des1,des2, k=2)

    # Apply ratio test
    good = []
    for m,n in matches:
        if m.distance < 0.75*n.distance:
            good.append(m)

    print(len(good))


    #gray1 = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
    #gray2 = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)
    # cv2.drawMatchesKnn expects list of lists as matches.
    img3 = drawMatches(img1,kp1,img2,kp2,good)

def feature_matching（）：
img1=cv2.imread（'img1.jpeg'，0）#查询图像
img2=cv2.imread（'img2.jpeg'，0）
#启动筛分检测器
sift=cv2.sift（）
#使用SIFT查找关键点和描述符
kp1，des1=筛选、检测和计算（img1，无）
kp2，des2=筛选、检测和计算（img2，无）
#具有默认参数的BFMatcher
bf=cv2.BFMatcher（）
匹配=bf.knnMatch（des1，des2，k=2）
#应用比率测试
好的=[]
对于匹配中的m，n：
如果m.距离<0.75*n.距离：
好。追加（m）
印刷品（透镜（良好））
#灰色1=cv2.CVT颜色（img1，cv2.COLOR\U BGR2GRAY）
#gray2=cv2.CVT颜色（img2，cv2.COLOR\u BGR2GRAY）
#cv2.drawMatchesKnn希望列表列表是匹配的。
img3=绘图匹配（img1、kp1、img2、kp2、良好）
 > p>也可以尝试C++中所解释的交叉检查匹配。在python中，只需更改以下行：

bf = cv2.BFMatcher(cv2.NORM_L2, crossCheck=True)