image-processing - GLCM 和 LIRE 用于图像匹配的性能比较

Question

我想创建一个图像匹配应用程序。当我搜索它时，我发现了两种好方法。

1) LIRE - Lucene Image Retrieval 可用于执行图像匹配，它实现了各种图像匹配算法，并索引特征描述符，稍后可用于与查询图像进行匹配。

2) GLCM - Gray Scale Co-occurance Matrix，其中灰度图像的特征以矩阵的形式存储，称为共生矩阵，当必须匹配图像时，则为给定图像的矩阵计算并匹配重要特征以计算相似度。

这两种方法似乎都具有可扩展性和快速性。但我无法决定哪个可能表现更好。因此，我正在寻找有关此问题或它们具有优势的情况的任何帮助。

Answer 1

经过大量研究，我发现了这两者之间的区别。

LIRe 是一个库，它提供了各种图像匹配算法的多种实现，这些算法适用于图像的局部或全局特征。此外，LIRe 提供开箱即用的索引和检索解决方案，使图像匹配和结果检索非常高效和快速。

另一方面，GLCM 是一种处理灰度图像并尝试找出图像相似程度的算法。它只是一个算法，而 LIRe 是一个包含几个快速实现算法的整个库。

LIRe 不支持 GLCM，但 LIRe 支持的速度非常快。LIRe这本书讲的很详细，在图像匹配和检索方面帮助了我很多。