我陷入了用于在图像中查找符号的像素匹配算法中。我有两个符号图像，我打算在具有高分辨率的图像中找到它们。
有没有一种快速算法可以提供与像素匹配算法相同的结果，而不是逐像素匹配算法。结果应类似于：（匹配像素的百分比）除以（总像素）。
我的问题是我希望在 1 位图像中找到某些符号。该符号在目标图像中以完全相似的方式出现，并且 95% 的总像素与图像中的目标块匹配。但迭代需要几个小时。图像为 10k X 10k，符号大小为 20 X 20，因此它将是 10 的 10 次方计算，处理起来太多了。是否有任何过滤器/神经网络组合或任何其他算法可以在几分钟内给出与像素匹配相同的结果？
这里的要点是像素几乎相同，但问题是尺寸非常大。我不想要复杂的噪声处理或边缘、模糊等特征。只是一个简单的算法来快速进行像素匹配，结果应该类似于：（像素匹配的百分比）除以（总像素）
物体识别很棘手，因为任何简单的算法通常都会太慢，正如您显然已经意识到的那样。
幸运的是，如果您手头有大量已正确标记的图像，那么我为您提供了一个非常简单的解决方案。
只需制作 3 层前馈网络，每个像素有一个输入单元，所有这些都连接到一个小得多的隐藏层，然后依次连接到 1 个输出单元（表示图像中存在哪个符号）。然后在您的数据集上运行反向传播算法，直到网络学会识别符号。
不幸的是，这不能很好地扩展，因此您可能必须研究卷积神经网络以获得更好的性能。
此外，如果您没有任何训练数据（即标记示例），那么您最好的选择可能是将您的符号分解为特征，然后扫描这些图像。如果您可以将它们分解成线，那么霍夫变换可以很快地做到这一点。
也许（自适应共振理论）ART-1 网络可以提供帮助。
该算法也可以写成在同一时间并行检查所有原型，并且它可以非常快，因为它本质上大量使用二进制数学。