快速快速的像素匹配算法

Question

我陷入了用于在图像中查找符号的像素匹配算法中。我有两张符号图像，我打算在一张高分辨率的图像中找到它们。

除了逐个像素匹配算法之外，有没有一种快速算法可以给出与像素匹配算法相同的结果。结果应该类似于：（匹配像素的百分比）除以（总像素）。

我的问题是我希望在 1 位图像中找到某些符号。该符号在目标图像中以完全相似的方式出现，并且 95% 的总像素与图像中的目标块匹配。但迭代需要几个小时。图像为 10k X 10k，符号大小为 20 X 20，因此它将是 10 的 10 次方计算，无法处理。有没有什么filter/NN组合或者其他算法可以在几分钟内给出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。我不想要复杂的噪声处理或边缘、模糊等特征。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：（匹配的像素百分比）除以（总像素）

Answer 1

对象识别很棘手，因为任何简单的算法通常都会方式太慢，正如您显然已经意识到的那样。

幸运的是，如果您手头上有大量已正确标记的图像，那么我有一个非常简单的解决方案。

只需制作 3 层前馈网络，每个像素有一个输入单元，所有这些都连接到一个小得多的隐藏层，然后依次连接到 1 个输出单元（表示图像中存在哪个符号）。然后在您的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，因此您可能需要查看convolutional NNs 以获得更好的性能。

此外，如果您没有任何训练数据（即标记示例），那么您最好的选择可能是将您的符号分解为特征，然后扫描这些图像。如果您可以将它们分解成行，那么hough transform 可以很快地做到这一点。

Answer 2

也许（自适应共振理论）ART-1 网络可以提供帮助。

该算法也可以写成同时并行检查所有原型，它可以非常快，因为它本质上大量使用二进制数学。