1.一种基于sift算法的青铜器金文图像识别方法，其特征在于，包括以下步骤：步骤一，利用图像分割方法采集青铜器金文拓片图像数据，建立金文数据集；

步骤二，利用改进的sift特征提取算法检测青铜器金文拓片图像sift特征点，并对特征点进行描述；

步骤三，利用向量夹角余弦值的匹配方法对步骤二得到的拓片图像特征点进行特征点匹配，并得到图像匹配结果。

2.如权利要求1所述的方法，其特征在于，步骤一所述的图像分割方法是，对青铜器金文拓片图像进行自动阈值二值化处理，寻找该行中黑色像素点大于某一设定阈值的所有行和列，进行图像分割处理，采集得到青铜器金文拓片图像数据。

3.如权利要求1所述的方法，其特征在于，步骤二所述的利用改进的sift特征提取算法进行识别匹配的步骤如下：a)首先以特征点作为中心，提取一个半径为8的同心圆环区域作为特征点邻域范围，以两个像素为单位，半径依次递减，把特征点邻域划分为4个单位的同心圆，每个格子代表一个像素点；

以同心圆的圆心为特征点，将特征点表示为M(p1,p2)，直径最大为16，圆形区域可表示为：(x-p1)2+(x-p2)2＝r2   (1)

同一圆环内的像素在图像旋转后只有像素位置发生改变,而像素其它的相对特征基本保持不变，具有很好的旋转不变性；

b)计算每个像素的梯度的模和方向，运用梯度直方图统计各圆环内12个梯度方向累加值，构成1个种子点，每个种子点富含12个方向的向量信息，总共生成4×12＝48维特征向量；

c)为了避免特征点定位发生小的位移而导致特征描述符的突然改变，需要通过循环左移的方式对其进行排序，将最内侧圆环的最大值左移到第一个像素点的位置，其它同心圆也依次进行转动，这样图像进行任意角度的旋转后排序值不发生改变；

d)最后将该向量进行归一化处理，可进一步减少光照变化的影响，设M'是特征点描述符，且M'＝(m'1,m'2,...,m'48)，则归一化公式为：e)在衡量两个向量间相似程度时采用相似性函数，函数值越小，向量差异更大，相似度更小；

利用向量夹角的余弦值来度量其相似性，余弦值越大，两个向量的夹角越小，向量间的相似度越高；通过欧几里得点积和量级公式推导出两个向量间的余弦值如下式所示：A·B＝||A||||B||cosθ      (3)。