圖像識別的起點？

我有一組274張的彩色圖像（每一個是200x150像素）。每幅圖像在視覺上都不同。我想建立一個應用程序，它接受一個基本圖像集合的上/下縮放版本，並確定最接近的匹配。圖像識別的起點？

我是高級軟件工程師，但我完全陌生的圖像識別。我真的很感激任何建議，從哪裏開始。

使用OpenCV的。另見這裏：http://stackoverflow.com/questions/4196453/simple-and-fast-method-to-compare-images-for-similarity（可能重複） – wotanii

如果你想自己做，你可以縮放更大的一個下降到較小的分辨率，並對顏色差異的平方進行求和？ – jgroenen

您希望查詢圖像與參考圖像有多相似？如果非常相似，這是相當微不足道的，爲所有圖像提取一個描述符並計算查詢和引用之間的距離。如果它們不太相似（例如重要的旋轉/平移/縮放/透視機會），這是一個更難的問題：查看特徵描述符匹配（非商業產品的SIFT/SURF，商業的ORB） – y300

如果你比較極其相似的圖像，這在理論上足以計算2個圖像之間的歐氏距離。圖像的大小必須相同，因此通常需要重新調整圖像大小（通常較大的圖像會縮小）。需要注意的是aliasing問題都可以在這裏發生，所以要一些注意你downsampling algorithm。如果您的圖像沒有相同的寬高比，也有一個問題。

但是，這在實踐中幾乎從未做過，因爲它非常緩慢。對於大小爲寬x高和3個顏色通道的N個圖像，它需要N×寬×高×3周的比較，從而迅速得到不可行（考慮到許多用戶可以有超過1000個大小> 1000×1000的圖像）。

一般我們試圖將圖像縮小到簡單得多捕捉圖像信息的小陣列，稱爲visual descriptor。例如，拍攝一張1024x1024 3的圖像並將其縮小爲128長度的矢量。這隻需要爲參考圖像計算一次，然後存儲在適當的數據結構中。然後，我們可以將查詢圖像的描述符與參考圖像的描述符進行比較。

計算我們的N個圖像數據集的距離爲長度L的描述符的成本就是N x L，而不是原來N x W x H x 3

所以這個問題是要找到有效的描述符是（a）廉價計算和（b）準確地捕捉圖像。這仍然是一個活躍的研究領域，但我可以推薦一些：

2015-12-22 20:58:30 y300

回答