CBIR索引策略

Posted 2023-02-25

【中文标题】CBIR索引策略

【英文标题】：CBIR indexing strategy

【发布时间】：2012-12-22 06:45:35

【问题描述】：

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。

【问题讨论】：

不，它实际上是一个图像指纹识别应用程序......给定两张图像，我们确定它是否是同一个车牌。

【参考方案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。

【讨论】：

这是一个非常好的建议，我们已经想到了。它确实可以解决我们所有的问题，但问题是，由于商业模式相关的东西，指纹必须完全独立于任何 OCR 模块：\ 但同样，这是一个非常好的建议。

为什么它必须独立于 OCR 模块？是因为你不能使用外部库吗？如果OCR算法是你们自己实现的，会是一个有效的解决方案吗？

关键是您从图像中提取的任何特征（即特征向量）对于您的任务来说都不会像车牌字符那样健壮。

没错！我们不能使用的原因是我老板强加的一些业务逻辑：我目前正在研究图像形状量化，看看有没有发现。