我正在寻找一个可用的SURF指标。比如说在一个从0到1的范围内评估图像之间的相似度，其中0表示没有相似之处，1表示完全相同。
SURF提供以下数据：
- 查询图像（集合Q）中的兴趣点（及其描述符）
- 目标图像（集合T）中的兴趣点（及其描述符）
- 使用最近邻算法可以从上述两个集合中创建匹配对
到目前为止，我尝试了一些方法，但似乎都不太好用：
使用不同集合的大小来计算指标：d = N / min(size(Q), size(T))，其中N是匹配的兴趣点数量。这样，在非常相似的图像中也只能得到很低的分数，例如当Q中有大约600个兴趣点，T中有200个兴趣点时，即使匹配了70个兴趣点，也只能得到0.32的评分。我想使用一些对数缩放来处理，使得只有真正的低数字才会得到低结果，但似乎找不到合适的方程式。通过
d = log(9*d0+1)，我得到了一个0.59的结果，这已经很不错了，但仍然会削弱SURF的效果。使用匹配对之间的距离计算指标：我尝试找到前K个最佳匹配，并将它们的距离相加。距离越小，两张图像就越相似。问题在于，我不知道一个兴趣点描述符元素的最大和最小值是什么，从而无法精确计算距离（只能通过多次输入来相对比较结果）。正如我所说的，我需要把指标放在0到1之间，以便将SURF与其他图像指标进行比较。
这两种方法中最大的问题是，它们互相排斥。一种方法没有考虑匹配数量，另一种方法则忽略了匹配之间的距离。我很迷茫。
编辑：对于第一种方法，使用公式log(x*10^k)/k，其中k为3或4，大多数情况下都能得到良好的结果。min函数并不好用，有时会使d大于1，如果不使用它，则可以得到较小的结果。