我想知道我想要做的事情是否可能，或者我只是想做不可能的事情/解决一个无法解决的问题。
我的目标是使用图像数据库比较图像（它们将会产生噪声，但所有噪声都具有非常相似的噪声），并告诉我它是否找到了匹配项。例如：img1 img2
我想指出我已经搜索过了，但是我从未找到实际应用的理论讨论，并且我无法理解到目前为止如何应用这些想法（在这种情况下，直方图比较扁平化失败，我无法实现数据树，phash也失败了。）
我怎么能告诉他们两者都相似？是否有我可以实现的算法告诉我？
我想我应该首先使用某种降噪/边缘检测（我已经尝试了一些并且实际上已成功进行边缘检测）。所以，假设我有一个不错的边缘检测，我怎么能比较它们呢？
我知道这不是一个容易的话题，但我想知道我是否正在打一场失败的战斗，应该接受并放弃。
答案 0 :(得分：1)
这是计算机视觉和模式识别方面的长期研究挑战，正如@AndrewMao所说，有很多博士论文和学术出版物专门讨论这一主题。一个基本问题是你想要什么样的输出：（1）来自你的数据库的单个“匹配”图像，或（2）匹配信心降低的数据库图像的排序列表。 （1）通常称为“图像近重复检测”，（2）更广泛地称为“基于内容的图像检索”。
今天，对这两个问题的流行方法是（A）提取低级描述符的一些变体，例如，最显着的是SIFT，在检测到的特征点，例如由MSER识别的斑点区域，（B）应用一些几何验证，例如RANSAC，（C）测量图像对中剩余描述符之间的距离，例如：通过欧几里德距离，（D）阈值处理以保持匹配的描述符，以及（E）计算从查询图像到数据库中每个图像的匹配数。
可视化，适用于以下图像： http://www.vlfeat.org/demo/sift_match_1.jpg.pagespeed.ce.Ch9_KgDq8u.jpg
匹配会产生（SIFT点为绿色，匹配为蓝色）： http://www.vlfeat.org/demo/sift_match_2.jpg.pagespeed.ce.JvQxRCluzm.jpg
