Image 与数据库的图像比较

我想知道我想做的事情是否可能，或者我只是想做不可能的事情/解决一个无法解决的问题

我的目标是将图像（它们会有噪声，但所有图像都有非常相似的噪声）与图像数据库进行比较，并告诉我是否找到匹配的图像。例如：

我想指出的是，我已经搜索过了，但从理论讨论的角度来看，我从未找到实际的应用程序，到目前为止，我无法理解如何应用其中的一些想法（在这种情况下，直方图比较完全失败了，我无法实现数据树，phash也失败了）

我怎么知道他们俩是相似的呢？有什么算法可以告诉我吗

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，假设我有一个像样的边缘检测，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仗，是否应该接受并放弃。

这是计算机视觉和模式识别领域一个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话题。一个基本的问题是您想要什么样的输出：（1）数据库中的单个“匹配”图像，或（2）数据库图像的排序列表，其中匹配的可信度降低。（1） 通常被称为“接近重复检测的图像”（2），更广泛地被称为“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MSER识别的斑点区域）提取低级描述符（例如最显著的SIFT），（B）应用一些几何验证（例如RANSAC），（C）测量成对图像中剩余描述符之间的距离，例如，通过欧几里德距离，（D）阈值化以保持匹配描述符，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，用于以下图像：

匹配将产生（筛选点为绿色，匹配点为蓝色）：

---

这是计算机视觉和模式识别领域一个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一主题。一个基本的问题是您想要什么样的输出：（1）数据库中的单个“匹配”图像，或（2）数据库图像的排序列表，其中匹配的可信度降低。（1） 通常被称为“接近重复检测的图像”（2），更广泛地被称为“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MSER识别的斑点区域）提取低级描述符（例如最显著的SIFT），（B）应用一些几何验证（例如RANSAC），（C）测量成对图像中剩余描述符之间的距离，例如，通过欧几里德距离，（D）阈值化以保持匹配描述符，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，用于以下图像：

匹配将产生（筛选点为绿色，匹配点为蓝色）：

---

这个问题已经够难的了，人们把整个博士论文都花在了有效地解决这个问题上。你的问题应该是你想走多远。几乎所有比较图像的方法都会以某种方式使用直方图——从简单的颜色直方图比较，到边缘/梯度比较（例如HOG：定向梯度直方图）。显然，你需要存储直方图或散列数据以备日后使用，但RDBMs不适合这种情况，你需要一种特殊的结构，可以存储在磁盘上，但这就是我能告诉你的。img1和img2看起来一样-这是故意的吗？@AndrewMao谢谢，我正在读这些文章，希望我能找到一种方法来实现我的目标与他们有一个特殊的结构？为什么RDBMs不合适？即使是少量的图像？（这个问题很难解决，人们已经把整个博士论文都投入到了高效的研究中。你的问题应该是你想走多远。几乎所有比较图像的方法都以某种方式使用直方图——从简单的颜色直方图比较，到边缘/梯度比较（例如，HOG：定向梯度的直方图）。显然，你需要存储直方图或散列数据以备日后使用，但RDBMs不适合这种情况，你需要一种特殊的结构，可以存储在磁盘上，但这就是我能告诉你的。img1和img2看起来一样-这是故意的吗？@AndrewMao谢谢，我正在阅读这些论文，希望我能找到一种实现我目标的方法有一个特殊的结构？为什么RDBMs不合适？即使是对于少量的图像(