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，但没有太多成功。

Answer 1

鉴于评论中的其他信息，我将通过以下方式解决问题：

• 从图像中检测/分割印版;

• 应用OCR以从盘子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牌照，请比较两个字符串。另请注意，与多维特征向量相比，索引字符串更容易，更有效。