一种神经网络训练中负样本的制作方法与流程

本发明涉及钞票鉴伪技术领域，特别是涉及一种神经网络训练中负样本的制作方法。

背景技术：

假钞大致可分为两类，一类是在真钞基础上进行涂改或挖补的假钞，称为“改票”；另一类是从纸张、油墨到印刷全部是伪造的，称为“伪钞”。以库印标记为例，模仿假钞库印部分情况，即负样本的制作。为了实现钞票鉴伪，目前多采用神经网络进行，这样就需要为神经网络的训练准备大量的负样本，因此，如何有效制作负样本，就成了要解决的技术问题。

技术实现要素：

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种神经网络训练中负样本的制作方法。

为实现本发明的目的所采用的技术方案是：

一种神经网络训练中负样本的制作方法，包括以下步骤：

确定要鉴伪的钞票的鉴伪对象；

获取该钞票的真钞的所述的鉴伪对象的图像；

利用预定图像处理方法对所述鉴伪对象的图像进行处理，形成负样本存储备用。

所述预定图像处理方法包括在所述的鉴伪对象的图像中加入不同强度的噪声，形成负样本，所述噪声包括椒盐噪声、高斯噪声。

所述预定图像处理方法包括应用形态学运算中的腐蚀技术，用图像中的暗色部分腐蚀掉图像中的高亮部分，形成具有腐蚀效果的负样本。

所述预定图像处理方法包括对所述的鉴伪对象的图像进行均值滤波操作，模拟伪钞的鉴伪对象的图像，形成负样本。

所述预定图像处理方法包括对所述的鉴伪对象的彩色图像进行灰度化，然后对灰度图像进行加噪声，腐蚀以及模糊化操作后形成灰度图像负样本，再对灰度图像负样本进行二值化处理，形成二值化图像负样本。

所述鉴伪对象为库印标记。

与现有技术相比，本发明的有益效果是：

由于假钞是仿照真钞制作的，因此在钞票鉴伪算法设计时，采集真钞图像，在真钞图像基础上采用本发明的负样本制作方法，制作大量负样本，将负样本应用到神经网络训练，可以提高钞票识别准确率。

附图说明

图1为神经网络训练中负样本的制作方法的流程示意图；

图2-4为真钞美元的100元，1元以及10元的库印标记的图像。

图5-10分别不同处理方法制作形成的负样本的示意图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明的一种神经网络训练中负样本的制作方法，包括以下步骤：

确定要鉴伪的钞票的鉴伪对象；

获取该钞票的真钞的所述的鉴伪对象的图像；

利用预定图像处理方法对所述鉴伪对象的图像进行处理，形成负样本存储备用。

其中，所述预定图像处理方法包括在所述的鉴伪对象的图像中加入不同强度的噪声，形成负样本，所述噪声包括椒盐噪声、高斯噪声。

其中，所述预定图像处理方法包括应用形态学运算中的腐蚀技术，用图像中的暗色部分腐蚀掉图像中的高亮部分，形成具有腐蚀效果的负样本。

其中，所述预定图像处理方法包括对所述的鉴伪对象的图像进行均值滤波操作，模拟伪钞的鉴伪对象的图像，形成负样本。

其中，所述预定图像处理方法包括对所述的鉴伪对象的彩色图像进行灰度化，然后对灰度图像进行加噪声，腐蚀以及模糊化操作后形成灰度图像负样本，再对灰度图像负样本进行二值化处理，形成二值化图像负样本。

其中，所述鉴伪对象为库印标记。

伪钞一般纸质恶劣，库印和花边缺点较多。库印内白色文字不是细就是粗，曲尺形图案内星角模糊不清，花边纹路分布混乱，印记之间的空隙有污点等等情况，因此，为了实现精确的识别，本发明采用上述的方法制作相应的负样本，下面以美钞为便说明，以库印标记为对象进行说明，如何制作负样本，其中图2-4所示为真钞美元的100元，1元以及10元的库印图像。

一、真钞库印加噪

真钞图像加入不同强度噪声，如椒盐噪声、高斯噪声。图5是加椒盐噪声图，图6是加高斯噪声图。

二、真钞图像腐蚀

应用形态学运算中的腐蚀，用图像中的暗色部分“腐蚀”掉图像中的高亮部分。图7是库印腐蚀效果图。

三、真钞图像模糊

对真钞样本进行均值滤波操作，模拟伪钞的库印样本。图8是均值滤波效果图。

四、真钞图像二值化

首先将彩色图像灰度化，对灰度图像二值化。实际钞票识别工程中通常采用灰度图像，以上的图像加噪声、腐蚀、模糊等操作同样适用于灰度图像负样本的制作，制作的灰度图像负样本如图9所示，二值化后的图像负样本如图10所示。

假钞是仿照真钞制作的，因此在钞票鉴伪算法设计时，采集真钞图像，在真钞图像基础上采用以上方法，制作大量负样本，将负样本应用到神经网络训练，可以提高钞票识别准确率。

以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：

技术总结
本发明公开一种神经网络训练中负样本的制作方法，包括以下步骤：确定要鉴伪的钞票的鉴伪对象；获取该钞票的真钞的所述的鉴伪对象的图像；利用预定图像处理方法对所述鉴伪对象的图像进行处理，形成负样本存储备用。由于假钞是仿照真钞制作的，因此在钞票鉴伪算法设计时，采集真钞图像，在真钞图像基础上采用本发明的负样本制作方法，制作大量负样本，将负样本应用到神经网络训练，可以提高钞票识别准确率。

技术研发人员：刘贯伟;刘秀;武艳红;张东婧
受保护的技术使用者：恒银金融科技股份有限公司
技术研发日：2018.12.20
技术公布日：2019.05.28