如何确定两次扫描是否来自同一文档？

Question

我有许多从发票扫描的图像文件。过去这是一个混乱的过程，因此无法保证我不会有在不同时间扫描的重复项。

如何确定从同一文档中扫描了两个图像文件的可能性？

我正在考虑使用OCR输出（来自tesseract）的Levenshtein距离，但我想知道其他方法是否更有希望。