论文部分内容阅读
纸币图像识别技术是最近十年来在模式识别领域非常活跃的一个课题,对于金融行业来说有着非常重要的意义,它的作用是给出纸币面额、朝向、真假等清分信息并传给控制装置。随着新的国家标准GB16999-2010《人民币鉴别仪通用技术条件》的颁布和施行,对图像识别的实时性、正确性都提出了新的要求。本文针对新版人民币的各种特点,提出了一种快速纸币分类方法,并在此基础上进行多光谱图像特征识别与鉴别。首先对图像进行亮度补偿,然后在边界检测时,使用了一种很稳定的剔除误差点算法,可以适用于各种缺损情况；倾斜校正时使用了一种“用时旋转”的方法,设计识别算法时也尽量保证是抗旋转的,提高时间效率。在纸币的快速分类中,提出了一种基于双面网格特征和多角度混合高斯模型的纸币图像识别算法。该算法使用双面网格作为特征提取方法,并根据类内类间距离求取网格划分数量,证明双面网格特征相较单面网格特征的优势。然后针对不同倾斜角训练多角度混合高斯模型作为分类器,省去对整幅图像进行旋转的预处理过程,简化识别流程。改进的高斯密度判决函数进一步降低了时间消耗。该算法的识别率可以达到100%,识别速度4ms/张,准确性和实时性都得到了很好的保证。在多光谱图像鉴别中,分别采集了白光图像、红外图像、紫外图像进行特征分析。其中包括基于相似系数的水印鉴别、基于欧式距离的变色油墨鉴别、基于模板统计的白水印鉴别、基于两次低通滤波的红外条块鉴别、基于红外对比的人民大会堂特征识别、基于亮点统计的紫外特征识别。单从某一种图像着手,都会出现一定的漏检情况；综合所有的鉴别手段,最终取得了很好的识别结果。所有的识别工作可以在50ms内完成。