3.图像分析[4]
图像分析一般通过对图像中某些感兴趣的对象进行测试和计量,以此实现图像的描述。图像分析是一个从图像到数值或符号的过程,借助光学、机械、电子、计算机等一体化技术,对观察到的图像进行系统的处理,求得代表该图像特征的各种参数,以利于对图像有更深入的认识。图像分析研究的领域一般包括:表情识别、光学字符识别、手写体识别、医学图像分析等。在进行纸币识别过程中,我们通常会从一幅纸币图像提取出能够反映出纸币不同类别的特征区域作为判断的标准,通过对特征区域各种参数的计算、测量和比较来进行分类。目前纸币图像的特征提取方法主要有自由掩膜法[5]、几何特征法[6]、网格特征法[7]和类Harr特征法[8]。源:自/751-·论,文'网·www.751com.cn/
1.6.纸币识别
纸币图像的识别包括纸币面额、真伪和面向的识别几个部分。
(1)纸币面额的识别
目前比较传统的纸币面额识别方法有尺度识别法和灰度投影方法[9]。目前国外运用的方法有人工神经网络识别面值[10-11]和利用快速鲁棒性(SURF)附来提取出纸币信息进行面额的识别等[12-13]。其中神经网络识别中网络不容易收敛且运算量过大。模板匹配技术是一种简单、快速的纸币特征分类技术,通过对每个币种预先定义的规则来实现[14]。文中用到的是模板匹配和投影相结合的方法,达到了不错的效果。
(2)纸币面向的识别
纸币面向的识别可分为:正面正向、正面倒向、反面正向、反面倒向。在纸币面向识别中[15],目前通常采用的方法,即利用灰度加权来确定,该方法实施起来方便且准确有效。此外,越来越多的研究者在实现面向的识别时用到了BP神经网络[16]、向量机[17]和机器视觉算法等[18],都达到了不错的效果,但是数据量处理过大,对实时性有影响。
(3)纸币的真伪识别
纸币的真伪识别是整个系统中的核心部分,目前国内方法有:通过红外透射测厚技术[19],识别出纸币不同防伪部位的红外透射特征波形,以此来鉴别纸币的真伪;基于图像特征的纸币真伪识别,建立真币模型,得到基于概率的统计识别算法[20],对真币模型的建立依赖性比较大。国外利用统计模式对纸币进行真伪识别[21],设计了基于结构风险最小化的高斯混合模型识别分离器,并深入探讨了置信区间和度的问题。本文利用图像中纹理的重要特征和高辨别度,提出了一种新的鉴伪方法,即根据真币假币在纹理信息上的差异,利用小波变换在纹理提取中的优势,准确有效的实现真伪识别。文献综述
1.7本课题思路
由于人民币上有多个防伪特征我们选取百元人民币的背面的一个防伪特征作为区分真伪币的标准,如图所示。百元人民币背面是用红外墨水印制而成。在红外灯照射下,该部分下方不可见。如果为假币,该部分下方可见。用图像收集器收集真币和假币在红外线摄像机的图像并进行比较,从而分辨出真伪币。