论文部分内容阅读
纸币分析技术包括面值识别、真伪鉴别、质量评估三部分，目的是通过技术手段提高纸币分类的效率和准确率，检测纸币的真伪、新旧和残缺，保证流通纸币的整洁和安全，维护正常的金融秩序和国家的货币安全。其中纸币图像鉴别尤为重要，包括纸币图像质量评估和真伪鉴别。分析现有纸币质量评估和真伪鉴别方法，存在以下困难：没有综合考虑纸币的新旧污损与鉴伪之间的关系并提出相应的数学模型，难以获得足够数量的假币样本用于分类界面的训练，所以现有方法难以从根本上提高分类的准确率。本文首次将流型学习的思想引入纸币图像的真伪鉴别，提出了两种基于流形学习的纸币图像分析方法。第一种使用等度量映射ISOMAP(Isometric Mapping)对纸币图像进行降维，获得纸币样本在流形上的表示形式，使得包含污损的不同新旧等级的样本按流形分布，具有很好的可分性。然后应用自组织特征映射神经网络SOM(Self-organized Mapping)对降低维度后的样本进行真伪分类，有效地发现了纸币图像的拓扑结构，对图像进行真伪鉴别和质量评估。第二种使用局部线性嵌入LLE(locally Linear Embedded)寻找纸币图像样本在流形结构上的投影点，利用样本点到投影的距离进行真伪鉴别，利用投影点到新旧类别中心的测地线距离进行质量评估。该方法并不需要对样本进行降维，应用简单的距离分类器进行分类，计算速度较快。针对假币样本的稀缺问题，本文根据纸币油墨防伪的原理，提出使用图像处理方法合成假币图像，一定程度上解决了假币的稀缺问题，获得足够的样本用于训练分类界面。另外该方法还可以方便地控制假币的仿真程度，用以检验纸币分析方法对于不同仿真度样本的鉴别能力。本文使用人民币、美元等纸币的图像进行了真伪鉴别和质量评估实验，实验结果表明，基于流形学习的纸币图像分析方法能够有效地检测假币，准确率可达98%以上，并且能够给出符合人的主观感受的质量评估结果。