我陷入了一种像素匹配算法，用于在图像中查找符号。我有2个符号图像，我想在一个分辨率很高的图像中找到它。
有一种快速算法可以提供与像素匹配算法相同的结果，而不是逐像素匹配算法。结果应类似于:(像素匹配的百分比）除以（总像素数）。我的问题是我希望在1位图像中找到某些符号。符号在目标图像中显示具有精确相似性，并且总像素的95％与图像中的目标块匹配。但是迭代需要几个小时。图像为10k X 10k，符号大小为20 X 20，因此10次计算的功率太大，无法处理。是否有任何滤镜/ NN组合或任何其他算法可以在几分钟内提供与像素匹配相同的结果？这里的要点是像素几乎相同，但问题是尺寸非常大。我不希望复杂的特征用于噪声处理或边缘，模糊等。只是一个简单的算法来快速进行像素匹配，结果应该类似于:(像素匹配的百分比）除以（总像素）
感谢任何帮助。
- 谢谢， ANKIT
答案 0 :(得分：2)
对象识别是棘手的，因为任何简单的算法通常都会方式太慢，正如你已经意识到的那样。
幸运的是，如果你手边有相当大的这些图像已经正确标记，那么我有一个非常简单的解决方案。
简单地制作3层前馈网络，每个像素一个输入单元，所有这些都连接到一个小得多的隐藏层，然后又连接到1个输出单元（表示图像中存在哪个符号）。然后只需在数据集上运行反向传播算法，直到网络学会识别符号。
不幸的是，这不能很好地扩展，因此您可能需要调查convolutional NNs以获得更好的性能。
此外，如果您没有任何训练数据（即带标签的示例），那么您最好的选择可能是将符号分解为要素，然后扫描图像。如果你可以将它们分解成行，那么hough transform可以很快地完成它。
答案 1 :(得分：0)
也许（自适应共振理论）ART-1网络可以提供帮助。
也可以编写算法，在同一时间内并行检查所有原型，并且它可以非常快速，因为它实际上使用了二进制数学。