java指紋識(shí)別的精確算法-SIFT算法

1、java指紋識(shí)別的精確算法SIFT算法廣東石油化工學(xué)院浪天Sift特征點(diǎn)的提取方法，這里簡(jiǎn)單做個(gè)介紹。作為一種匹配能力較強(qiáng)的局部描述算子，SIFT算法的實(shí)現(xiàn)相當(dāng)復(fù)雜，但從軟 件開(kāi)發(fā)的角度來(lái)說(shuō)，只要會(huì)使用其中幾個(gè)比較重要的函數(shù)就行了。這里要感謝 David Lowe這個(gè)大牛，不但提供了一種強(qiáng)悍的特征匹配算法，還給出了 C+的 實(shí)現(xiàn)代碼，后來(lái)有人用C#實(shí)現(xiàn)了這個(gè)算法，需要的朋友可到網(wǎng)上自行下載。關(guān)鍵函數(shù)一：int sift_features( IplImage* img, struct feature* feat )這個(gè)函數(shù)就是用來(lái)提取圖像中的特征向量。參數(shù)img為一個(gè)指向IplImage 數(shù)據(jù)類

2、型的指針，用來(lái)表示需要進(jìn)行特征提取的圖像。IplImage是opencv庫(kù)定 義的圖像基本類型(關(guān)于opencv是一個(gè)著名的圖像處理類庫(kù)，詳細(xì)的介紹可以 參見(jiàn))。參數(shù)feat是一個(gè)數(shù)組指針，用來(lái)存儲(chǔ)圖像的 特征向量。函數(shù)調(diào)用成功將返回特征向量的數(shù)目，否則返回-1.關(guān)鍵函數(shù)二：int _sift_features( IplImage* img, struct feature* feat, int intvls,double sigma, double con tr_thr, int curv_thr, i nt img_dbl, i nt descr_width, int descr_hist_

3、b ins )這個(gè)函數(shù)是函數(shù)一的重載，作用是一樣的，實(shí)際上函數(shù)一只不過(guò)是使用默認(rèn) 參數(shù)調(diào)用了函數(shù)二，核心的代碼都是在函數(shù)二中實(shí)現(xiàn)的。下面將詳細(xì)介紹一下其 他的幾個(gè)參數(shù)。intvls:每個(gè)尺度空間的采樣間隔數(shù)，默認(rèn)值為3.sigma:高斯平滑的數(shù)量，默認(rèn)值1.6.contr_thr:判定特征點(diǎn)是否穩(wěn)定，取值(0，1)，默認(rèn)為0.04，這個(gè)值越大, 被剔除的特征點(diǎn)就越多。curv_thr:判定特征點(diǎn)是否邊緣點(diǎn)，默認(rèn)為6.img_dbl:在建立尺度空間前如果圖像被放大了 1倍則取值為1,否則為0. descr_width:計(jì)算特征描述符時(shí)鄰域子塊的寬度，默認(rèn)為4.descr_hist_bins:計(jì)算

4、特征描述符時(shí)將特征點(diǎn)鄰域進(jìn)行投影的方向數(shù)，默認(rèn)為8，分別是 0，45，90，135，180，215，270，315 共 8 個(gè)方向。Sift特征匹配算法主要包括兩個(gè)階段，一個(gè)是Sift特征的生成，即從多幅圖像中 提取對(duì)尺度縮放、旋轉(zhuǎn)、亮度變化無(wú)關(guān)的特征向量；第二階段是Sift特征向量的 匹配。Sift特征的生成一般包括以下幾個(gè)步驟：1、構(gòu)建尺度空間，檢測(cè)極值點(diǎn)，獲得尺度不變性；2、特征點(diǎn)過(guò)濾并進(jìn)行精確定位;3、為特征點(diǎn)分配方向值;以特征點(diǎn)為中心取16*16的鄰域作為采樣窗口，將采樣點(diǎn)與特征點(diǎn)的相對(duì)方 向通過(guò)高斯加權(quán)后歸入包含8個(gè)bin的方向直方圖，最后獲得4*4*8的128維特 征描述子。示意圖如下：Keypain descnplorKeypain descnplor當(dāng)兩幅圖像的Sift特征向量生成以后，下一步就可以采用關(guān)鍵點(diǎn)特征向量的 歐式距離來(lái)作為兩幅圖像中關(guān)鍵點(diǎn)的相似性判定度量。取圖1的