基于图像处理的纸币特征识别技术研究

• 作 者: 费东巍
• 发表日期: 2011年期
• 关键词: 纸币清分 纸币特征识别 图像处理 神经网络

当今经济快速发展带动金融行业一起向前发展,对纸币清分机清分能力的要求也不断提高,基于图像处理的纸币特征识别技术是纸币清分机研发中的关键技术,因此受到的关注也日益增多,应用的领域也日益变宽。现在国内的基于图像处理的纸币特征识别技术普遍存在着分类准确性差,容易受到外部条件的制约,对于纸币清分污损残缺的能力差的缺点。本文研究了上面的缺陷,并且改进了关于纸币图像在面额、面向的识别方法。并针对现在纸币清分机不能对纸币的号码进行识别,提出针对纸币序列号识别的算法,这将会作为纸币清分机的一个识别模块。本文主要使用现在我们国家流通的第四、五版新版人民币作为识别的原始图像,在研究纸币特征识别的时候,先对采集到的纸币数字图像进行灰度处理,接下来对灰度图像进行一系列诸如自组织映射神经网络及模式识别等方法的识别。首先详细的分析了纸币图像的预处理图像增强与图像的分割两部分,采用的是直方图变化增强与中值滤波以及图像的锐化,对于图像的分割主要采用图像边缘检测及灰度阈值分割的方法。其次本文分析了传统的基于二维模板匹配的算法,有针对性的提出了改进的算法即基于一维灰度投影的匹配算法。发现采用新的算法对于纸币图像的面额识别来讲速度更快。并且在此基础上建立、训练改良后的自组织映射神经网络实现了对纸币图像的四种面向的识别。针对纸币序列号通过BP神经网络分别对字母和数字进行识别,取得很好的识别结果。最后通过纸币图像新旧及残缺不同所对应的直方图变化不同对纸币的新旧及残缺进行识别。通过实验发现本文所研究的基于图像处理的纸币特征识别的算法可以达到清分技术的标准,识别准确率至少为99%,其优势在于对纸币特征识别的全过程具有准确、可靠和实时的特点。对当今国内纸币清分技术的发展能够起到积极的推进作用。