我正在开发一个集成在车牌识别应用程序中的CBIR解决方案。图像匹配算法非常健壮，但是您可以想象数据库非常大，从数据库中提取用于匹配的图像非常慢。我试过用一个小的局部特征向量甚至单个数值来量化图像，但没有成功。我们的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的数量。我读过很多关于这个主题的论文，但大多数都把分类和机器学习作为解决方案。因为我没有看到分类是如何有用的，因为所有的图像都非常相似(车牌图片)，我想和过去有过类似问题的人讨论一下想法，甚至有人有一些关于我如何解决这个问题的线索。很长一段时间以来，我一直在设法解决这个性能问题，但收效甚微。
考虑到评论中的附加信息，我将以以下方式解决问题:
-
从图像中检测/分割板;
-
应用OCR从车牌中提取包含字母和数字的字符串;
-
为了验证两个图像是否对应于同一个车牌，比较两个字符串。还要注意的是，与多维特征向量相比，索引字符串要容易得多，效率也高得多。