CBIR索引策略

Question

我正在开发要集成到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，但您可以想象数据库很大，从数据库中提取图像进行匹配非常慢。我试图用小的局部特征向量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，以允许真正快速提取，同时大大减少匹配候选者的数量。我已经阅读了很多关于该主题的论文，但其中大多数都将分类和机器学习作为解决方案。由于我没有看到分类如何有用，因为所有图像都非常相似（车牌图片），我想与过去有类似问题的人讨论想法，甚至是有一些问题的人关于我如何解决这个问题的线索。很长一段时间以来，我一直在努力想办法解决这个性能问题，但没有太多成功。

Answer 1

鉴于 cmets 中的附加信息，我将通过以下方式解决问题：

• 从图像中检测/分割板；

• 应用 OCR 以从车牌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同一个车牌，比较两个字符串。另请注意，与多维特征向量相比，索引字符串更加容易和高效。