基于深度的图像相似度计算

已知每张图片上各个像素点在世界坐标系下的（x,y,z）坐标值，寻找一种快速获得两张图像相似度的方法。
方法一：计算图片A上任一点（x1,y1,z1）和图片B任一点（x2,y2,z2）的欧式距离。如果距离值小于某个指定阈值，则该两点相同，否则不同。该方法缺点：计算量大，即使采用像素点抽样的方法，仍然有很大的计算障碍。比如100x100的图片，共有10000个点，抽样50%，则有5000个点。则计算两张图片的相似度则需要5000x5000=25000000次计算.优点：直观易理解，缺点：计算量过大。
方法二：在一定精度控制下，将每个像素点的坐标连接成字符串，求两张图片相似度变成求两张图片坐标字符串则称的集合的重叠率即可。比如，A张某个像素点的坐标为(2.3,0.2,5.6),生成坐标字符串为‘2.30.35.6’。A上的坐标集合为A = [‘2.30.35.6’,‘6.0,7.1,4.2’,…];B = [’'0.2,0.4,1.2,‘4.6,7.1,8.9’,…].图片相似度可采用交并比的方式计算得出：（A与B的交集的点个数）/(A与B的并集的点的个数)。优点：计算快；缺点：损失一定的准确度。
注：当有图片的深度信息时可考虑采用该方法。