Image processing CBIR索引策略
我正在开发一个CBIR解决方案,将其集成到车牌识别应用程序中。图像匹配算法非常健壮,但可以想象,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。我试着用一个小的局部特征向量,甚至是一个数值来量化图像,但没有成功。这样做的目的是为一些这样的值编制索引,以实现真正快速的提取,同时大大减少匹配候选对象的数量。我已经读了很多关于这个主题的论文,但大多数都将分类和机器学习作为解决方案。因为我不知道分类是如何有用的,因为所有的图像都非常相似(车牌图片),所以我想和过去有过类似问题的人讨论一些想法,甚至是有一些关于我如何解决这个问题的线索的人。很长一段时间以来,我一直在努力解决这个性能问题,但没有取得多大成功。鉴于评论中的其他信息,我将用以下方式解决问题:Image processing CBIR索引策略,image-processing,opencv,cbir,Image Processing,Opencv,Cbir,我正在开发一个CBIR解决方案,将其集成到车牌识别应用程序中。图像匹配算法非常健壮,但可以想象,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。我试着用一个小的局部特征向量,甚至是一个数值来量化图像,但没有成功。这样做的目的是为一些这样的值编制索引,以实现真正快速的提取,同时大大减少匹配候选对象的数量。我已经读了很多关于这个主题的论文,但大多数都将分类和机器学习作为解决方案。因为我不知道分类是如何有用的,因为所有的图像都非常相似(车牌图片),所以我想和过去有过类似问题的人讨论一些想法,甚
- 从图像中检测/分割车牌
- 应用OCR,从图版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。还请注意,与多维特征向量相比,索引字符串更容易、更有效