专利名称：基于多分辨网格特征配准的清分机纸币面值面向分类方法
技术领域：
本发明涉及一种纸币面值面向分类方法，具体涉及到基于多分辨网格特征配准的 清分机纸币面值面向分类方法。
背景技术：
随着市场经济的不断繁荣，使得纸币的流通量越来越大。银行业和零售业者的工 作量也变得越来越大。但目前，国内很多银行使用的纸币清分机都是由国外进口的，价格昂 贵。清分系统的核心技术基础是实时纸币图像处理和图像识别。国产纸币清分机很少，而 且功能都很有限，很难满足高速实时性的要求，尤其是能够用图像处理的方法来识别纸币 的清分机还刚刚起步。因此研究出鉴别低成本、高速度、识别率高的纸币面值面向识别分类 方法是十分必要的。
现在已有的对纸币面值面向识别专利如下
1)题目为“纸币识别装置和纸币识别方法”公开号CN(^804841. 5。此方法的思想 是运用透射型光传感器在对象纸币的读取线上扫描并照射光，获得从纸币的透射光量作为 纸币识别的特征向量，此方法有效地克服了传感器对纸币识别的影响，但是对于无损和扭 曲的纸币图像识别能力比较弱。
2)题目为“小面额纸币识别器”，专利号200520095787。本系统由面额识别子系 统、中央处理子系统及控制电路组成，面额识别子系统是由彩色图像传感器组成，其中中央 处理子系统由高速运算分析处理器DSP和可编程控制器CPLD组成。但是此方法只是针对 小面额纸币进行识别，很难满足银行金融机构对于大面额纸币的识别。
3)题目为“纸币识别装置”，专利号200510073764。此方法的思想是采用纸币图 像的几何特征(宽度和长度)来识别纸币面额面向，但是由于纸币是通过高速的采集装置 获得的，因此不可避免地存在着扭曲和形变，这样导致几何特征不是很明显，造成识别率的 下降。
人民币面值面向识别系统主要针对人民币第四版和第五版的5元、10元、20元、50 元、100元九种纸币进行识别，利用数字图像处理技术和多层前向网络的BP算法提取纸币 图像的长度、宽度、方向块特征，区分纸币的面值、正反面与正反向。最终完成的系统能达到 较高的识别速度和识别率。作为最有效的纸币分类方法，神经网络在纸币清分系统中得到 了广泛的应用，对于一些相似程度较高的纸币，神经网络可以取得优异的分类效果，但由于 神经网络有一个致命的缺点，容易过识别，即由于学习机器过于复杂，为了保证分类精度高 (经验风险小)，使VC维变得很大，所以期望风险变得很高。最终导致学习过的样本识别率 高，但没有学习过的样本会发生误识或拒识。同时由于缺乏有效的拒识手段，很容易将一些 类似印刷品也误识为特定类别的纸币。
发明内容
纸币分类的主要技术难点在于图像分辩率低、识别速度要求高，在提高相似图案区分能力的同时，还必须保证算法对纸币折旧的鲁棒性。针对现有技术中的不足，本发明目 的在于提供一种纸币面值面向分类方法，它通过采用多分辨网格特征及局部特征配准技术 来完成纸币面值面向分类。
币种、面向识别是一个典型的模式识别问题，本方法针对人民币样本，需要识别的 币种共有12种即新、旧100元；新、旧50元、20元；新、旧10元；新、旧5元；新、旧1元和 练功纸。面向共有4种正面向上，正面向下，背面向上和背面向下。将币种和面向组合共 有48种组合，因此识别系统应为一个48类的分类系统。
由于清分机的特殊性，对币种和面向的识别结果正确性要求很高，基本不允许发 生误识，而从模式识别的理论上讲，任何一个识别系统都不可能达到100%的识别正确率。 为在最大程度上降低识别系统的误识率，满足清分机的要求，我们在48类之外引入1个拒 识类，将一些判别风险比较大的情况归入拒识类，从而提高识别的正确率。
为了满足纸币清分系统的实时性要求，在进行图像识别和测量之前，首先需要对 采样图像上不同点的亮度进行均衡，接着对纸币图像进行Haar小波变换，提取纸币图像近 似图像分量，然后进行了网格特征的提取，接着分析网格特征对于不同纸币图像的可分性； 再用网格特征建立一个综合分类器，在分类器构造中，应用了基于结构风险最小化的混合 高斯模型。
具体方法如下
步骤1:
清分机输入的图像是由高速扫描装置对图像传感器进行A/D转换后的原始图像， 在本方法中所使用的图像传感器是LT2R216N-090223 RGB^多光谱接触式图像传感器，线 阵上的每一点性能存在着一定的差异，造成了采样图像上各个点的光强性能不同，在进行 图像识别和测量之前，首先需要对采样图像上不同点的亮度进行均衡，具体方法如下
(1)对几种不同灰度的标准测试纸进行采样，计算出图像上χ方向每一点对不同 灰度的标准测试纸的实测平均灰度；
(2)在χ方向各点用实测平均灰度和标准灰度进行线性拟和，求出每一点上灰度 均衡曲线；
(3)对原始图像上的每一点根据该点的χ坐标和灰度值求出均衡后的灰度值；其 中，图像在计算机中是用具有不同灰度级的像素矩阵来表示的，一个像素用一个字节即8 位数据表示，这样可以编码为256个灰度等级，将纸币图像大小归一化为mXn，为了更好地 提取纸币图像特征需要把原始图像重构为IXmnjP
权利要求
1.基于多分辨网格特征配准的清分机纸币面值面向分类方法，其特征在于，方法如下本方法针对人民币第四版和第五版，即新、旧两个版本，需要识别的币种共有12种 新、旧100元；新、旧50元、20元；新、旧10元；新、旧5元；新、旧1元和练功纸，面向共有4种正面向上，正面向下，背面向上和背面向下，将币种和面向组合共有48 种组合，此识别系统为一个48类和1个拒识类的分类系统；步骤1 清分机输入的图像是由高速扫描装置对图像传感器进行A/D转换后的原始图像，在本 方法中所使用的图像传感器是LT2R216N-090223RGB^多光谱接触式图像传感器，线阵上 的每一点性能存在着一定的差异，造成了采样图像上各个点的光强性能不同，在进行图像 识别和测量之前，首先需要对采样图像上不同点的亮度进行均衡，具体方法如下(1)对几种不同灰度的标准测试纸进行采样，计算出图像上χ方向每一点对不同灰度 的标准测试纸的实测平均灰度；(2)在χ方向各点用实测平均灰度和标准灰度进行线性拟和，求出每一点上灰度均衡 曲线；(3)对原始图像上的每一点根据该点的χ坐标和灰度值求出均衡后的灰度值；其中，图像在计算机中是用具有不同灰度级的像素矩阵来表示的，一个像素用一个字节即8位数据表示，这样可以编码为256个灰度等级，将纸币图像大小归一化为mXn，为了更好地提取纸币图像特征需要把原始图像重构为IXmnjP / \ aIl … aXn.. =>, ^12 * * ‘ α\η , a2\,a22,* · · ’ ain ‘ * · ., “ml,· . .，“"", )!><(,,W7)(^)‘ ‘ ‘ ^nm 乂其中m，η为图像的宽度和长度， ,」( = 1，2，…，m，j = l，2，…，η)是图像像素的 灰度值；步骤2 钱币的原始形状是矩形的，在清分机中扫描时即使受到倾斜和侧向移动影响，钱币的 形状也可以保持为平行四边形，即上下两边为相互平行的直线，左右两边为相互平行的直 线，利用上述特点得出一种特殊的边缘检测算法，可以满足快速性要求和对残缺钱币边缘 检测的要求，该特殊的边缘检测算法为首先利用钱币图像边缘为直线的特点，不需要检测出边缘上的每一点，只需要检测出 边缘上的若干离散点就可以拟和出边缘的直线，采用了在图像上等间隔位置检测边缘的方 法，每一条边检测出一个边缘点序列，用边缘点序列作最小二乘直线拟和得到钱币图像的 边缘；针对残缺钱币，利用图像的两个边互相平行的特点来处理，首先假设图像边缘残缺的 部分不会很大，两条相对边的残缺部分长度总和不会超过两条边总长度的一半，一般情况 下该假设可以得到满足，如得不到满足，此图像作为残缺过大钱币，按拒识处理；然后利用 每一条边检测出的边缘点序列计算相邻两点之间直线的斜率，构成一个斜率的集合，合并 相对两条边的斜率集合，寻找该集合中出现次数最多的元素，作为这两条边的期望斜率，在 边缘点序列中删除斜率不等于期望斜率的点，用剩余点分别拟和出两条直线，作为边缘；高速扫描装置是在钱币运动过程当中扫描图像，因此一般情况下都会存在一定程度的 几何变形，这种变形主要来自于两个方面，一方面是钱币的倾斜造成的，一方面是钱币在扫 描过程中横向移动造成的，经过图像定位之后，利用图像的定位信息来对几何形变进行校 正；由于倾斜所造成的形变采用图像旋转的方法来校正，以图像的左上角为原点进行旋 转，令左上角的坐标为(χ。，y。)，原始图像为F(x，y)，旋转后的图像为 ^(χ，y)， Fe(x, y) = F(x' ,y' )(2)令β为上边缘与水平线之间的夹角，容易推得(x'，y')与(x，y)之间的关系 χ' = y cos α +X0, y' = y sin α +y0(3)= ^J(X-X0)2 + O-J0)2， α 二 arctan X X° + β ,ζ、y-y^经过旋转校正之后，钱币图像仍然是一个平行四边形，其中上下两条边平行于χ轴，造 成这种现象的原因是由于钱币在扫描过程中存在着横向的移动，校正这种形变，采用根据 左右两边的倾斜角度侧移图像的方法解决，具体方法如下令侧移之后的图像为Fs (X，y) Fs(x, y) = Fe(x' ,y' )(4)令左边缘与χ轴之间的夹角为θ，以钱币图像左上角( ，y0)为原点进行侧移，得到tan ^ / - yw由公式(2)-(5)得到进行旋转和平移变换计算比较复杂，在实际系统中使用很难达到 对处理速度的要求，因此采用了一种相对比较简单的算法(1)经过图像定位之后得到四条边缘的直线方程，其中上边缘的直线方程为y = aux+bu，左边缘的直线方程为y = aLx+bL,同时求得左上角坐标( ，y0)， ⑵校正后图像FT(x，y) =F(x'，y')，其中: χ' = χ- (aux+bu-y0)(6)f , \ y ^y- --- ν aL y(γ)步骤3 在网格特征的提取过程中，首先将纸币图像低频部分划分为若干个相同大小的矩形子 区域，然后提取子区域的平均灰度作为原始特征，最后进行规一化得到最终特征，图像部分 的长度和宽度也是区分人民币币种的一个有效特征，由于50元和20元，20元和10元间的 纸币光靠网格特征无法保持很高的识别率，会出现误识或拒识；所以本方法在多分辨网格 特征的基础上，在易发生误识或拒识的币种间采用局部特征配准技术来提高识别率，减少 拒识率，本方法中所选用的特征看作是一个二元组S = ((xL, xH)，X)，其中( ，xH)为图像区域 的长度和宽度，X为图像的网格特征，网格特征的基本提取方法如下设图像I上坐标为ζ 的像素亮度值为Iz，将纸币划分为KXL个相互重叠的矩形区域r^pk= 1,2,…，K，1 = 1,2,…，L，每个区域有相同的大*dxXdy，纸币图像的原始特征为χ = [xi; x2, -,xKXL], 其中Xa-D -K+k为子区间F1^1的灰度均值
全文摘要
一种基于多分辨网格特征配准的清分机纸币面值面向分类方法，在进行图像识别和测量之前，首先需要对采样图像上不同点的亮度进行均衡；然后对纸币图像进行Haar小波变换，提取纸币图像近似图像分量；接着进行了网格特征的提取；接着分析网格特征对于不同纸币图像的可分性；再用网格特征建立一个综合分类器，在分类器构造中，应用了基于结构风险最小化的混合高斯模型。本方法可以满足纸币清分机的实时处理要求，能够达到每分钟处理1000张纸币的要求。同时采用局部特征配准可以有效地克服因磨损和印刷过程中造成的同一币种和面向纸币图像的不一致性，以便更好的进行识别。
文档编号G06K9/62GK102034108SQ20101057357
公开日2011年4月27日 申请日期2010年12月6日 优先权日2010年12月6日
发明者佟喜峰, 刘家锋, 刘松波, 刘鹏, 吴锐, 唐降龙, 程丹松, 赵巍, 金野, 黄剑华, 黄庆成 申请人:哈尔滨工业大学