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/