我不确定 stackexchange 是否只是为您提供代码的平台，我建议您从特征提取开始，下载用于 matlab 的 vl_sift 包并从每个图像中获取特征。

下一步，是量化特征：你可以为每张图像获得数百个特征，你需要决定有多少特征足以完成你的任务，然后对它们进行聚类，这些就是你最终的特征。（您需要量化它们，因为 2 个特征 - 即使描述相同的对象，也可能略有不同。您希望两个非常接近的特征由相同的描述符表示）。

现在，在你有了特征之后，你需要用它的特征来表示你的图像，对于词袋，常见的表示通常是直方图。

然后您可以比较 2 个图像表示以确定它们是否相同。这个阶段可以通过多种方式完成，一个简单的选择是 SVM 分类器，下载 lib_svm 包，非常好用。请注意，SVM 可以在 2 个类之间做出决定，如果您的任务是“识别”，那么您可能需要使用多类 SVM。

再次，从 vl_sift 开始，这将使您很好地了解您需要做什么。

祝你好运。

Richard Szeliski 所著的目前免费提供的计算机视觉书籍，包含对该算法的出色介绍。第 612 页。

编辑：

我在 DSP 上用一些示例代码回答了一个类似的问题。