我想知道我正在尝试做的事情是否可能，或者我是否只是在尝试做不可能/解决无法解决的问题。
我的目标是将图像（它们会有噪音，尽管它们都有非常相似的噪音）与图像数据库进行比较，并告诉我它是否找到匹配项。例如：img1 img2
我想指出我已经搜索过了，但是除了理论讨论之外，我从来没有找到实际的应用程序，而且到目前为止我还无法理解如何应用这些想法（在这种情况下，直方图比较完全失败，我不能' t 实现数据树，phash 也失败）。
我怎么能说他们都是相似的？有没有我可以实现的算法来告诉我？
我想我应该首先使用某种降噪/边缘检测（实际上我已经尝试了一些并且在边缘检测方面取得了成功）。那么，假设我有一个不错的边缘检测，我该如何比较它们呢？
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。
这是计算机视觉和模式识别领域长期存在的研究挑战，正如@AndrewMao 所说，有许多博士论文和学术出版物致力于这个主题。一个基本问题是您想要什么样的输出：（1）来自数据库的单个“匹配”图像，或（2）具有降低匹配置信度的数据库图像的排名列表。(1) 通常称为“图像近似重复检测”，(2) 更广泛地称为“基于内容的图像检索”。
今天，解决这两个问题的流行方法是（A）在检测到的特征点（例如由 MSER 识别的斑点区域）提取低级描述符，例如最显着的 SIFT，（B）应用一些几何验证，例如 RANSAC ，（C）测量来自图像对的剩余描述符之间的距离，例如通过欧几里德距离，（D）阈值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，图像如下： http ://www.vlfeat.org/demo/sift_match_1.jpg.pagespeed.ce.Ch9_KgDq8u.jpg
匹配将产生（绿色的 SIFT 点和蓝色的匹配）： http ://www.vlfeat.org/demo/sift_match_2.jpg.pagespeed.ce.JvQxRCluzm.jpg
