Matlab圖像處理學習筆記（六）：基於sift特徵點的人民幣識別

本文記錄如何利用sift特徵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，能夠對各類幣值的人民幣進行面額、正反面的識別。但因爲本程序採用串行，模板數的增多會致使運行時間線性增加，具體應用時你能夠採起並行的方法加以優化，本文只給出思路。

本文的sift特徵提取源碼採用的是David G. Lowe（sift提出者）提供的閉源程序。

本文涉及到知識點以下：

一、sift特徵點提取。

二、基於歐式距離的特徵點匹配。（做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 個人博客資源，連接http://download.csdn.net/detail/u010278305/8356601點擊打開連接

轉載請註明出處：http://blog.csdn.net/u010278305

關於sift特徵點的簡要說明：

SIFT（Scale-invariant feature transform）是一種檢測局部特徵的算法，該算法經過求一幅圖中的特徵點（interest points,or corner points）及其有關scale 和 orientation 的描述子獲得特徵並進行圖像特徵點匹配，得到了良好效果，SIFT特徵不僅具備尺度不變性，即便改變旋轉角度，圖像亮度或拍攝視角，仍然可以獲得好的檢測效果。

該算法流程以下：

一、讀取全部模板，並將其存放在一個cell裏。

二、讀取第一個模板。

三、讀取場景，並按不一樣比例進行縮放，縮放比例從小到大。

四、若是再繼續增大圖像，匹配點無明顯變化，則取上一次匹配獲得的匹配點數做爲最終的匹配點數目。

五、若是最終的匹配點數目，大於模板關鍵點數目的十分之一，則認爲已尋得匹配，跳出全部for循環，不然，讀取下一個模板，重複上述過程。

本算法主要源代碼（myapp.m）以下：

 

%function:
%       基於sift特徵點的人民幣識別
%注意：
%      因爲matlab沒有自帶sift特徵提取，sift特徵提取調用了該算法做者提供的底層調用。
%      matlab新版已集成surf特徵提取，surf特徵是基於sift改進的，提升了速度，但我的感受性能有所降低。（後續有可能給出測試）
%referrence：
%      David G. Lowe，Distinctive Image Features from Scale-Invariant Keypoints
%date:2015-1-13
%author:chenyanan
%轉載請註明出處：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(你能夠自行更換場景圖片進行測試)
scene= imread('images/scene100.jpg');
scene=rgb2gray(scene);

%將全部的模板放在一個元胞數組中
object_cell={object1,object100};

%與全部模板作匹配（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');
        %若是沒有找到關鍵點，繼續增大場景圖像
        if(match_now==0)
            match_now=1;
            continue;
        end
        %若是本次增大場景圖像後，本次尋得的關鍵點與上次比變化不大，
        %則認爲上次尋找的關鍵點數爲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
    %若是尋得的匹配點數大於模板關鍵點數的十分之一，則認爲已尋得匹配，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

運行效果以下（只給出部分輸出圖片）：

 

程序運行時的輸出以下：

 

>> 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，最後一行爲識別結果，表示與模板2匹配，結果正確。

 

轉載請註明出處：http://blog.csdn.net/u010278305

本程序源碼已打包上傳：連接http://download.csdn.net/detail/u010278305/8356601點擊打開連接