Several questions被问及SIFT algorithm，但他们似乎都专注于两个图像之间的简单比较。而不是确定两个图像有多相似，使用SIFT从数千个图像的集合中找到最接近的匹配图像是否可行？换句话说，SIFT是否具有可扩展性？
例如，使用SIFT为一批图像生成关键点，将关键点存储在数据库中，然后找到与“查询”图像生成的关键点之间的欧几里德距离最短的那些是否可行？
在计算欧几里德距离时，您会忽略关键点的x，y，比例和方向部分，并且只查看描述符吗？
有几种方法。
一种流行的方法是所谓的词袋表示，其仅基于多少描述符匹配来进行匹配，从而忽略由（x，y，缩放和方向）组成的位置部分并且仅查看描述符。
高效查询大型数据库可能会使用像locality sensitive hashing这样的近似方法
其他方法可能涉及vocabulary trees或其他数据结构。
有关同时考虑位置信息的有效方法，请查看pyramid match kernels