CBIR索引策略

Question

我正在开发一种集成在车牌识别应用程序中的CBIR解决方案.图像匹配算法非常强大,但是您可以想象数据库非常庞大,从数据库中提取图像以进行匹配的速度非常慢.我试图用像小的局部特征向量或甚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,但是大多数论文都将分类和机器学习作为一种解决方案.由于我没有看到分类如何有用,因为所有图像彼此非常相似(车牌图片),我想与过去遇到过类似问题的人讨论想法,或者甚至是某些人关于如何解决这个问题的线索.我一直在努力设法解决这个性能问题很长一段时间,但没有多少成功.

Answer 1

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 从车牌中提取包含字母和数字的字符串；

• 为了验证两个图像是否对应于同一车牌，请比较两个字符串。另请注意，与多维特征向量相比，索引字符串要容易得多且高效。