Matlab图像处理学习笔记（六）：基于sift特征点的人民币识别

本文记录如何利用sift特征点进行人民币的识别。本文给出的matlab源码识别了1元与100元人民币的面额，相同思路，可以对各种币值的人民币进行面额、正反面的识别。但由于本程序采用串行，模板数的增多会导致运行时间线性增长，具体应用时你可以采取并行的方法加以优化，本文只给出思路。

本文的sift特征提取源码采用的是David G. Lowe（sift提出者）提供的闭源程序。

本文涉及到知识点如下：

1、sift特征点提取。

2、基于欧式距离的特征点匹配。（作者加上了最近距离与次近距离的比例来进一步筛选）

我在查阅sift的资料时，参阅了这篇博文：http://blog.csdn.net/abcjennifer/article/details/7639681

本文源码的压缩包我已传至 我的博客资源，链接http://download.csdn.net/detail/u010278305/8356601点击打开链接

转载请注明出处：http://blog.csdn.net/u010278305

关于sift特征点的简要说明：

SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果，SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，