我正在开发要集成到车牌识别应用程序中的 CBIR 解决方案。图像匹配算法非常健壮，但是正如您可以想象的那样，数据库非常庞大，从数据库中提取图像进行匹配的速度非常慢。我试图用小的局部特征向量或什至单个数值来量化图像，但没有成功。这个想法是索引一些这样的值，以允许真正快速的提取，同时大大减少匹配候选的数量。我已经阅读了很多关于这个主题的论文，但其中大部分都将分类和机器学习作为解决方案。由于我看不到分类有何用处，因为所有图像彼此非常相似(车牌图片)，所以我想与过去遇到过类似问题的人讨论想法，甚至是有一些问题的人关于如何解决这个问题的线索。很长一段时间以来，我一直在尝试通过工程设计解决这个性能问题，但没有取得太大成功。
最佳答案
鉴于评论中的附加信息，我将通过以下方式解决问题:
从图像中检测/分割车牌；
应用OCR从车牌中提取带有字母和数字的字符串；
为了验证两个图像是否对应于同一个车牌，比较两个字符串。另请注意，与多维特征向量相比，索引字符串更加容易和高效。
关于image-processing - CBIR索引策略，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/14214574/