本文記錄如何利用sift特征點進行人民幣的識別。本文給出的matlab源碼識別了1元與100元人民幣的面額，相同思路，可以對各種幣值的人民幣進行面額、正反面的識別。但由於本程序采用串行，模板數的增多會導致運行時間線性增長，具體應用時你可以采取並行的方法加以優化，本文只給出思路。
本文的sift特征提取源碼采用的是David G. Lowe（sift提出者）提供的閉源程序。
本文涉及到知識點如下：
1、sift特征點提取。
2、基於歐式距離的特征點匹配。（作者加上了最近距離與次近距離的比例來進一步篩選）
我在查閱sift的資料時，參閱了這篇博文：http://blog.csdn.net/abcjennifer/article/details/7639681
本文源碼的壓縮包我已傳至 我的博客資源，鏈接http://download.csdn.net/detail/u010278305/8356601點擊打開鏈接
轉載請注明出處：http://blog.csdn.net/u010278305
關於sift特征點的簡要說明：
SIFT（Scale-invariant feature transform）是一種檢測局部特征的算法，該算法通過求一幅圖中的特征點（interest points,or corner points）及其有關scale 和 orientation 的描述子得到特征並進行圖像特征點匹配，獲得了良好效果，SIFT特征不只具有尺度不變性，即使改變旋轉角度，圖像亮度或拍攝視角，仍然能夠得到好的檢測效果。
該算法流程如下：
1、讀取所有模板，並將其存放在一個cell里。
2、讀取第一個模板。
3、讀取場景，並按不同比例進行縮放，縮放比例從小到大。
4、如果再繼續增大圖像，匹配點無明顯變化，則取上一次匹配得到的匹配點數作為最終的匹配點數目。
5、如果最終的匹配點數目，大於模板關鍵點數目的十分之一，則認為已尋得匹配，跳出所有for循環，否則，讀取下一個模板，重復上述過程。
本算法主要源代碼（myapp.m）如下：
%function:
% 基於sift特征點的人民幣識別
%注意：
% 由於matlab沒有自帶sift特征提取，sift特征提取調用了該算法作者提供的底層調用。
% matlab新版已集成surf特征提取，surf特征是基於sift改進的，提高了速度，但個人感覺性能有所下降。（后續有可能給出測試）
%referrence：
% David G. Lowe，Distinctive Image Features from Scale-Invariant Keypoints
%date:2015-1-13
%author:chenyanan
%轉載請注明出處：http://blog.csdn.net/u010278305
%清空變量，讀取圖像
clear;close all
fprintf('/******************************\n**It''s writed by chenyn2014.\n******************************/\n');
%讀取object1（模板1）
object1= imread('images/object1.jpg');
object1=rgb2gray(object1);
%讀取object100（模板2）
object100= imread('images/object100.jpg');
object100=rgb2gray(object100);
%讀取場景(你可以自行更換場景圖片進行測試)
scene= imread('images/scene100.jpg');
scene=rgb2gray(scene);
%將所有的模板放在一個元胞數組中
object_cell={object1,object100};
%與所有模板做匹配（模板遍歷）
for i=1:2
fprintf('\nobjec[ %d]\n\n',i);
%提取第i個模板
imwrite(object_cell{i},'tmp_images/obj_tmp.jpg');
match_last=1;
%從小到大縮放場景圖像，找到匹配數比較適合的縮放級別（縮放遍歷）
for scale=0.1:0.1:0.5
fprintf('\nscale[ %f]\n\n',scale);
scene_tmp = imresize(scene, scale);
imwrite(scene_tmp,'tmp_images/sce_tmp.jpg');
%匹配
[match_now,keypoint1,keypoint2]=match('tmp_images/sce_tmp.jpg','tmp_images/obj_tmp.jpg');
%如果沒有找到關鍵點，繼續增大場景圖像
if(match_now==0)
match_now=1;
continue;
end
%如果本次增大場景圖像后，本次尋得的關鍵點與上次比變化不大，
%則認為上次尋找的關鍵點數為最終尋找到的關鍵點數，跳出縮放遍歷
if(match_now/match_last<1.2&&scale>=0.2)
match_num=match_last;
break;
end
match_last=match_now;
end
%如果尋得的匹配點數大於模板關鍵點數的十分之一，則認為已尋得匹配，跳出模板遍歷
if(match_num>0.1*keypoint2)
%打印識別結果
fprintf('\nFound objec at objec[ %d]\n',i);
break;
end
end
運行效果如下（只給出部分輸出圖片）：
程序運行時的輸出如下：
>> myapp /****************************** **It's writed by chenyn2014. ******************************/ objec[ 1] scale[ 0.100000] Finding keypoints... 543 keypoints found. Finding keypoints... 287 keypoints found. Found 7 matches. scale[ 0.200000] Finding keypoints... 1348 keypoints found. Finding keypoints... 287 keypoints found. Found 12 matches. scale[ 0.300000] Finding keypoints... 1898 keypoints found. Finding keypoints... 287 keypoints found. Found 16 matches. scale[ 0.400000] Finding keypoints... 2270 keypoints found. Finding keypoints... 287 keypoints found. Found 17 matches. objec[ 2] scale[ 0.100000] Finding keypoints... 543 keypoints found. Finding keypoints... 363 keypoints found. Found 18 matches. scale[ 0.200000] Finding keypoints... 1348 keypoints found. Finding keypoints... 363 keypoints found. Found 51 matches. scale[ 0.300000] Finding keypoints... 1898 keypoints found. Finding keypoints... 363 keypoints found. Found 43 matches. Found objec at objec[ 2]
其中，最后一行為識別結果，表示與模板2匹配，結果正確。
轉載請注明出處：http://blog.csdn.net/u010278305
本程序源碼已打包上傳：鏈接http://download.csdn.net/detail/u010278305/8356601點擊打開鏈接