Image processing GLCM与LIRE图像匹配性能比较
我想创建一个图像匹配应用程序。当我寻找它时，我发现了两个好方法 1-Lucene Image Retrieval可用于执行图像匹配，其中它实现了各种图像匹配算法，还索引了特征描述符，这些特征描述符可用于以后与查询图像进行匹配 2-灰度共生矩阵，其中灰度图像的特征以称为共生矩阵的矩阵的形式存储，并且当图像必须匹配时，则计算给定图像的矩阵并匹配重要特征以计算相似度Image processing GLCM与LIRE图像匹配性能比较,image-processing,computer-vision,feature-detection,feature-descriptor,glcm,Image Processing,Computer Vision,Feature Detection,Feature Descriptor,Glcm,我想创建一个图像匹配应用程序。当我寻找它时，我发现了两个好方法 1-Lucene Image Retrieval可用于执行图像匹配，其中它实现了各种图像匹配算法，还索引了特征描述符，这些特征描述符可用于以后与查询图像进行匹配 2-灰度共生矩阵，其中灰度图像的特征以称为共生矩阵的矩阵的形式存储，并且当图像必须匹配时，则计算给定图像的矩阵并匹配重要特征以计算相似度 这两种方法似乎都具有可扩展性和快速性。但我无法决定哪一个可能表现更好。因此，任何关于这方面的帮助，或者在他们占优势的情况下，我都在寻找帮
这两种方法似乎都具有可扩展性和快速性。但我无法决定哪一个可能表现更好。因此，任何关于这方面的帮助，或者在他们占优势的情况下，我都在寻找帮助 经过大量研究，我发现了这两者之间的区别 LIRe是一个库，它提供了各种图像匹配算法的多种实现，这些算法适用于图像的局部或全局特征。此外，LIRe还提供现成的索引和检索解决方案，使图像匹配和结果检索非常高效和快速 另一方面，GLCM是一种处理灰度图像的算法，它试图找出图像的相似性。它只是一个算法，其中as-LIRe是几个快速实现算法的完整库 LIRe不支持GLCM，但LIRe支持的GLCM非常快。这本书讲得非常详细，在图像匹配和检索方面对我帮助很大