1、java指紋識別的精確算法SIFT算法廣東石油化工學(xué)院浪天Sift特征點的提取方法，這里簡單做個介紹。作為一種匹配能力較強的局部描述算子，SIFT算法的實現(xiàn)相當(dāng)復(fù)雜，但從軟 件開發(fā)的角度來說，只要會使用其中幾個比較重要的函數(shù)就行了。這里要感謝 David Lowe這個大牛，不但提供了一種強悍的特征匹配算法，還給出了 C+的 實現(xiàn)代碼，后來有人用C#實現(xiàn)了這個算法，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 )這個函數(shù)就是用來提取圖像中的特征向量。參數(shù)img為一個指向IplImage 數(shù)據(jù)類

2、型的指針，用來表示需要進行特征提取的圖像。IplImage是opencv庫定 義的圖像基本類型(關(guān)于opencv是一個著名的圖像處理類庫，詳細的介紹可以 參見)。參數(shù)feat是一個數(shù)組指針，用來存儲圖像的 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 )這個函數(shù)是函數(shù)一的重載，作用是一樣的，實際上函數(shù)一只不過是使用默認 參數(shù)調(diào)用了函數(shù)二，核心的代碼都是在函數(shù)二中實現(xiàn)的。下面將詳細介紹一下其 他的幾個參數(shù)。intvls:每個尺度空間的采樣間隔數(shù)，默認值為3.sigma:高斯平滑的數(shù)量，默認值1.6.contr_thr:判定特征點是否穩(wěn)定，取值(0，1)，默認為0.04，這個值越大, 被剔除的特征點就越多。curv_thr:判定特征點是否邊緣點，默認為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:計算特征描述符時鄰域子塊的寬度，默認為4.descr_hist_bins:計算

4、特征描述符時將特征點鄰域進行投影的方向數(shù)，默認為8，分別是 0，45，90，135，180，215，270，315 共 8 個方向。Sift特征匹配算法主要包括兩個階段，一個是Sift特征的生成，即從多幅圖像中 提取對尺度縮放、旋轉(zhuǎn)、亮度變化無關(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步驟：1、構(gòu)建尺度空間，檢測極值點，獲得尺度不變性；2、特征點過濾并進行精確定位;3、為特征點分配方向值;以特征點為中心取16*16的鄰域作為采樣窗口，將采樣點與特征點的相對方 向通過高斯加權(quán)后歸入包含8個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)鍵點特征向量的 歐式距離來作為兩幅圖像中關(guān)鍵點的相似性判定度量。取圖1的