像素矩阵等效性的假设检验

Question

我正在经历this tutorial，并且正在R中对其进行返工，并且能够做到这一点。

我试图通过考虑客观地检测图像差异的方法来扩展本教程；例如，我可以运行一个假设检验，该假设检验采用图像的像素矩阵并返回一个p值，该值指示图像的相似度的置信度。这对于将带有噪声的图像与原始图像进行比较，并回答是否或不存在问题是一个很好的应用程序。不是图片来自原始图片。

无论如何，对于下面的图像，我使用像素矩阵来运行Mantel测试（猿库）来考虑矩阵之间的相关性。当然，这又回来了，因为大多数图像都是相同的，所以像素矩阵是相关的。

我没有找到完成该任务的统计程序？壁炉架测试获得的是矩阵的相关性，不一定是它们的结构差异-在此示例中，尽管图像不同，但存在明显的相关性。

我通过适当缩放数据来将像素矩阵转换为离散分布，以为我可以比较分布，描述了中心/比例/形状/等。我遇到了cramer.test函数（cramer库）和npdeneqtest函数（np库），但是它们需要样本，而不是经验分布。

获得代表性样本所需的样本大小太大，无法运行cramer.test，即使将图像调整为32x32后，也无法进行npdeneqtest。还有另一种进行大型矩阵测试的方法吗？