我正在研究模式识别问题，以在两个给定图像中找到两个最相似的矩形区域。具体来说，我有两个相同大小的 2D（灰色）图像和。中的任意矩形区域表示为，其中和高度为的矩形的左上像素，\ , 我们有。
我的问题是找到两个相同大小的矩形区域，每个图像中都有一个，（比如说它们是和 ) 使得它们在这两个矩形区域的均方误差方面最相似。请注意，可能有。
理想情况下，我想为所有可能的组合回答这个问题。和对，计算成本也非常高。到目前为止，我采用积分图像技术。但是，它仍然需要移动图像像素。我想知道是否有更好的技术。任何人都可以帮忙吗？
如前所述，您不能做太多事情来加快任何两个选定补丁之间的比较。为了加快进程，您需要关注的是如何减少您需要比较的补丁对的数量。
如果计算过程和我想象的一样昂贵，除了已经提到的图像金字塔，我可能还有另一个建议。
提取局部特征并进行特征匹配。这是通常识别相似图像的方法，但它适用于在整个图像中查找对象，这意味着它还应该匹配较小的局部相似块中的特征。
这些人：Sivic、Zisserman：视频 Google：视频中对象匹配的文本检索方法对空间一致性有很好的了解。简而言之，他们确保匹配组具有相当相似的几何布局。他们使用了一个相当宽松的标准，但提出了一种放松和加强标准的方法。您确实必须在特征描述符之间进行直接的蛮力匹配，但这似乎仍然比直接计算补丁之间的相似性要少得多。
这样，您将有望获得匹配的集群。然后，您可以将搜索限制为仅包含特定最少匹配数的补丁。在我看来，这些补丁最相似的概率要高得多。这有点复杂，但我认为值得一试。
恐怕，但问题只能通过蛮力解决（计算所有 x0、y0、W、H 的相关性）。因此，快速进行计算非常重要。也有经典文章 - JP Lewis “Fast Normalized Cross-Correlation” 搜索对这篇文章的引用。
[编辑] 您可以通过使用一些多分辨率技术（图像金字塔）来实现额外的加速，但这取决于图像的性质。