CN100580716C - 在图像中确定对应于金融票券的区域的验证方法 - Google Patents

Abstract

在图像中确定对应金融票券的区域的验证方法，包含：将图像分为验证区段；产生具有对应金融票券空白的金融票券周边空白图；从具有在金融票券的范围内的纹理值的纹理区段的图像中产生纹理判断图；利用移除在纹理判断图中对应在金融票券周边空白图的边缘区段的纹理区段确定在纹理判断图的目标对象；根据具有图像各验证区段的纹理特征值的纹理特征图来对纹理判断图的各目标对象计算纹理特性值；对各目标对象计算形状特性值；以及从纹理判断图移除对应不具有在第一预设范围内的纹理特性值与在第二预设范围内的形状特性值的目标对象的纹理区段。

Description

在图像中确定对应于金融票券的区域的验证方法

技术领域

本发明涉及图像处理，尤指一种在一图像中确定对应于一金融票券(monetary banknote)的多个区域的验证方法。

背景技术

随着图像处理系统的进步，包含扫描仪、数字彩色复印机以及印刷用的机构与装置等，与此同时也已经造成市面上有愈来愈多各种不同非法复制品的情况，而且现在有许多伪造者通常都会企图通过复制金融票券(monetarybanknote)、货币、股票、债券以及其它相关目标对象等来取得个人利益，另外，因为印刷与复制的先进技术可以让伪造者复制出人眼无法辨别的伪造金融票券，所以区分与辨识真实有效的物品与伪造的物品这方面的工作于是变得愈来愈困难，因此目前非常需要一种可以有效的且精确的辨识与区分伪造的金融票券以及合法的金融票券的机制。

目前的金融票券检测系统通常都是导入一扫描仪或是相关类型的扫描机制，以将一样本金融票券的信息转换成一数字数据格式的表现方式，以用于图像处理，而一旦转换成数字数据以后，就可以进行一系列的测试与操作程序来确认该样本金融票券的有效性，这其中可以包含关键特征的辨识，例如标记(landmark)、全像图(hologram)、色彩、序号以及颜料(pigment)等。

在进行关键特征的辨识之前，检测伪造金融票券的一个重要操作步骤包含在一扫描图像中验证对应于该金融票券的多个区域，一般来说，该扫描图像的尺寸会大于该金融票券的尺寸，因此必须先知道该金融票券在该扫描图像中的有效位置，才能在需要确认的区域上进行相关的伪造测试，而不是在背景图像上进行，此外，知道对应于该金融票券的多个区域之后就可确定出在后续测试中所参考的坐标系统。

此外，如果票券是内嵌于一复杂的图像背景中被扫描，则会更难以自图像背景中辨识出实际的金融票券位置，而背景噪声及图案则会进一步使得检测过程变得更加复杂，如此一来就会造成不规则的辨识结果，并且无效的背景目标对象会被错误辨识为一金融票券的位置，此外，由于作为参考用的图框(frame)无法在一开始时便提供，故金融票券在该扫描图像中平移、旋转以及对齐时所产生的变动也会使得辨识程序变得更加复杂。

发明内容

有鉴于此，本发明的目的之一在于提供一种在一图像中确定对应于一金融票券(monetary banknote)的多个区域的验证方法，以解决上述的问题。

根据本发明的权利要求书，揭示一种在一图像中确定对应于一金融票券的多个区域的验证方法，该验证方法包含：将该图像划分为多个验证区段；产生一金融票券周边空白图，该金融票券周边空白图具有多个边缘区段，且所述多个边缘区段对应于该图像中的多个有效金融票券的一周边空白；从具有多个纹理区段的该图像中产生一纹理判断图(texture decision map)，所述多个纹理区段具有多个纹理数值，且所述多个纹理数值是在一有效金融票券的一有效范围内，利用移除在该纹理判断图中对应于在该金融票券周边空白图中的所述多个边缘区段的多个纹理区段来确定在该纹理判断图中的多个目标对象；根据具有关于该图像的每一验证区段的一纹理特征数值的一纹理特征图来对于该纹理判断图中的每一目标对象计算一纹理特性数值(textureproperty value)；对于每一目标对象计算一形状特性数值；以及进一步从该纹理判断图中移除对应于不具有在一第一预设范围内的该纹理特性数值与在一第二预设范围内的该形状特性数值的目标对象的纹理区段，其中产生该纹理判断图的步骤包含：将该图像划分为多个特征区段(feature section)；对该图像的每一特征区段产生具有多个纹理数值的一纹理特征图(texturefeature map)；将所述多个边缘区段包含在所述多个纹理区段中；选择具有在一第一纹理数值临界范围内的纹理数值的多个特征区段作为多个潜在纹理区段；对每一潜在纹理区段周围的多个特征区段确定一平均纹理数值；以及将周围具有在一第二纹理数值临界范围内的该平均纹理数值的多个特征区段的多个潜在纹理区段包含在所述多个纹理区段中。

附图说明

图1为概要地描述根据本发明一实施例的一种在一图像中确定对应于一金融票券的多个区域的验证方法的示意图。

图2为根据图1所示的验证方法举例说明一扫描图像被划分为多个图像区段的一实施例的示意图。

图3是根据图1所示的验证方法的另一实施例举例说明所述多个图像区段以部分重叠的方式排列的示意图。

图4为根据图1所示的验证方法举例说明关于金融票券周边空白图的产生的示意图。

图5为色彩统计分布图数据的一个例子。

图6为色彩统计分布图数据的一个例子。

图7为灰阶纹理特征图的一个例子。

图8为显示一原始的图像以及符合上述判断标准而选择作为金融票券周边空白图的所述多个边缘区段的多个图像区段。

图9为显示从该金融票券的多个边缘区段中移除多个内部边缘区段以及多个周围边缘区段的扩大。

图10所示的为有关二元判断图的产生。

图11为举例说明用于图4的二元判断图的产生步骤的方法的一实施例的流程图。

图12为举例说明多个周围区段1214在色彩区段1212外侧形成一环绕型态。

图13为举例说明在二元判断图的产生过程的各个阶段的处理结果。

图14是举例说明根据本发明的一实施例在对应于一金融票券的一图像中辨识多个区域的色彩后置处理步骤的流程图。

图15为显示图14所示的目标对象分离步骤的处理结果的示意图。

图16为举例说明关于图14所示的孔洞填补步骤的示意图。

图17为举例说明本发明一实施例的色彩处理方法应用于包含有一金融票券的一图像时各个阶段的示意图。

图18为举例说明关于从一扫描图像中产生一纹理判断图的示意图。

图19是根据本发明举例说明关于产生纹理判断图1820的一实施例的流程图。

图20为显示各种不同对象的灰阶变异图的一个范例说明。

图21所显示的一范例为一使用半色调模式印刷(图21(b))的图像与一使用典型的钞票印刷(图21(a))的图像。

图22为显示根据本发明的二元边缘图的一实施例。

图23为显示根据本发明的二元边缘图的另一实施例。

图24为显示横跨该二元边缘图以确定在各个不同方向中数值交替的第一频率、第二频率、第三频率以及第四频率的一个范例。

图25为根据图1所示的验证方法举例说明关于目标对象确定步骤的示意图。

图26为根据图1所示的验证方法另举例说明关于目标对象确定步骤的示意图。

图27为根据本发明一实施例举例说明目标对象移除步骤的一范例。

图28为根据本发明一实施例举例说明一种在一图像中确定对应于一金融票券的多个区域的验证方法的流程图。

图29是根据本发明一实施例举例说明一种在一图像中确定对应于一金融票券的多个区域的验证方法的完整的逐步验证过程。

图30为根据本发明另一实施例举例说明一种在一图像中确定对应于一金融票券的多个区域的验证方法的完整的逐步验证过程。

其中，附图标记说明如下：

200扫描图像

210验证区段

214个别的验证区段

810、510、1001包含金融票券的扫描图像

830、910、920、930、1810、2520、2620、1002金融票券周边空白图

510第一颜色

520第二颜色

530第三颜色

610扫描图像

614图像区段

1212色彩区段

1214周围区段

1510第一标识数值

1520第二标识数值

1530第三标识数值

1540第四标识数值

1820、2510、2610、1000纹理判断图

1830纹理区段

1004潜在目标对象

1010最后的输出

具体实施方式

本发明在此是提供一种在一图像中确定对应于一金融票券(monetarybanknote)的多个区域的验证方法，而该图像可以是由一硬件扫描仪或类似的装置所提供，其中，该图像包含一预定的货币形式的一样本金融票券，以及从该样本金融票券所取得的特征会用来跟有效的金融票券的已知数值及/或范围比较，以验证其在该图像中的位置，此外，该金融票券的类型可以包含美国与日本的货币，但在本发明的其它的实施例中也可以包含其它国家的货币。

本发明方法可以应用于伪造货币的辨识，并且该图像可以在该图像中提供具有任意的旋转轴与平移对准(shift alignment)的样本金融票券，如此一来就可以使用一般常见的扫描仪来取代具有固定的输入维度的简易金融票券读取机，此外，该扫描图像可以包含该扫描金融票券重叠在任意背景上，也可以包含多个隔离的或独立的金融票卷、或是多个具有部分重叠的金融票卷，另外，本方法还可以与基本的独立扫描仪、复印机、独立打印机以及其它相关的扫描与检测装置结合来共同运作。

在本发明中所描述的验证方法是运用公知技术中所没有的创新方式，本发明不但提供了一种可以提高安全性的方法，而且本发明还可以轻易地与一般常见的硬件装置整合运用，也就是说，本发明提供了一种可用低成本来达成所要目的的方法，与此同时，本发明方法中的多层次、大规模以及小规模的验证方式有助于能确保达到精确的检测率与非常低的误判率，与此同时，本发明也具有足够的强健度(robust)与弹性以应用在各种不同的图像类型以及运作条件。

在简要的描述本发明的验证方法之前，必须先了解到在本说明书及后续的权利要求书当中使用了某些词汇来指代特定的过程或步骤，而所属领域中具有通常知识者应可理解，设计者可能会用不同的名词来称呼这些类型的过程，在本说明书及后续的申请专利范围中并不以名称的差异来作为区分部件的方式，而是以部件在功能上的差异来作为区分的标准，此外，在通篇说明书及后续的申请专利范围当中所提及的「包含」是为一开放式的用语，故应解释成「包含但不限定于」。其它的范例也都同样可适用于此，并且熟悉本项相关技术的专门用语的人在阅读本说明书时应可轻易地理解。

请参考图1，图1为概要地描述根据本发明一实施例的一种在一图像中确定对应于一金融票券的多个区域的验证方法。验证方法100首先包含接收可能具有一样本金融票券的一扫描图像，而在接收该扫描图像之后，接着进行一图像划分步骤110来将该扫描图像划分为多个图像区段，然后再进行一金融票券周边空白图的产生步骤120来产生一金融票券周边空白图，其中该金融票券周边空白图具有从所述多个图像区段中选出的多个边缘区段，并且所述多个边缘区段是对应于该图像中的该金融票券的一周边空白，与此同时，进行一纹理判断图(texture decision map)产生步骤130来产生一纹理判断图，其中该纹理判断图具有从所述多个图像区段中选出的多个纹理区段，并且所述多个纹理区段具有一纹理数值，而该纹理数值是在一有效的金融票券的一有效范围内，此外，关于纹理判断图的产生会在后续段落中详细说明。

接着，一目标对象确定步骤140是将该纹理判断图中的目标对象隔离并计算目标对象的数量，由于即使在一目标对象是理想地对应于一金融票券的情况中，仍然有可能包含其它在该纹理判断图中确认过的目标对象，所以必须利用移除在该纹理判断图中对应于在该金融票券周边空白图中的所述多个边缘区段的多个纹理区段来将每一目标对象彼此分离开来。

在目标对象确定步骤140之后，接着是一纹理特性(texture property)确定步骤150以及一形状特性数值确定步骤160，用于分别对在前面的各步骤中确认过的目标对象来进行处理，其中，纹理特性数值确定步骤150是根据具有关于每一图像区段的一纹理特征(texture feature)数值的一纹理特征图来对于每一目标对象计算一纹理特性数值，而各种不同类型的纹理特征图都可以应用在这个步骤中，并且将会在后续段落中详细说明。此外，形状特性数值确定步骤160是对于每一目标对象计算一形状特性数值。

最后，基于纹理特性数值确定步骤150以及形状特性数值确定步骤160的结果，再进行一目标对象移除步骤170来进一步从该纹理判断图中移除对应于不具有在一第一预设范围内的该纹理特性数值以及不具有在一第二预设范围内的该形状特性数值的目标对象的纹理区段，简单地来说就是同时不具有适当的纹理特性数值以及形状特性数值的目标对象会被从该纹理判断图中移除，并且该第一预设范围以及该第二预设范围是均对应于有效金融票券的适当范围，以确保上述验证过程的准确性，因此，以上所产生的纹理判断图是用来显示该扫描图像中对应于金融票券的多个验证过的区域。

关于上述图1中验证过程的各个步骤的详细说明会在后续的段落中描述，并且包含与各个部分相关的图示以及示意图。

下面详细描述图像划分步骤110。图像划分步骤110的目的是将一扫描图像划分为多个验证区段以使得整体的处理效率提高，接着就可以个别处理每一验证区段，相对于处理一整个图像来说，这种方式可以在相关的计算与处理中提供一更高的分辨率，而这些图像区段的尺寸与形状可以随着本发明的不同的实施例而变化，并且以下所提供的范例并非限制本发明。图2为一个扫描图像200被划分为多个验证区段210的一实施例。这些验证区段210包含一些个别的验证区段214，虽然图2为举例说明该扫描图像通过没有部分重叠的方式来划分，但是在其它实施例中，也可以用部分重叠的分布来安排，如图3所示的实施例，并且该实施例是举例说明部分重叠的所述多个验证区段可以对后续的计算以及处理的步骤提供更高的分辨率。

下面详细描述金融票券周边空白图的产生步骤120。金融票券周边空白图的产生步骤120主要是针对一金融票券周边空白图(banknote boundarymap)的制作，以及图4是举例说明关于这个步骤的操作，其中，一金融票券周边空白图是从包含有金融票券的一扫描图像中取得，以及对应于扫描图像中的金融票券的一周边空白的多个边缘区段是被选出并且确认，因此如果金融票券的周围的周边空白区段被包含在一原始的扫描图像中，则金融票券周边空白图会使得这些周围的周边空白区域显得特别突出。

图4是根据本发明来提供一实施例举例说明如何产生该金融票券周边空白图。由于有许多产生该金融票券周边空白图的方法，因此以下的内容是用于举例说明，而不是为了限制本发明的范围，在本发明其它可供选择的实施例中也可以用与本实施例不同的方式或顺序来产生该金融票券周边空白图，所以只要可以满足根据本发明的目的来产生该金融票券周边空白图的需求，可以使用任何一种可应用于此的方法。

如图4所示，首先，接收一数字扫描的图像，然后进行图像分离步骤410，其中此图像是被划分为多个图像区域；接着，进行色彩特征图(color featuremap)的产生步骤420，其中所产生的此一色彩特征图是具有用于该图像的每一图像区段的色彩统计分布图(color histogram)数据；二元判断图(binarydecision map)的产生步骤430是为包含在本发明另一实施例中的一额外的步骤，在此步骤中会产生一色彩二元判断图(color binary decision map)，并且该色彩二元判断图标识出对应于该金融票券的多个可能的区域；下一步是进行灰阶纹理特征图(gray level texture feature map)的产生步骤440，其中该灰阶纹理特征图是用于标识该图像中每一图像区域的一灰阶数值；然后再进行金融票券周边空白图(banknote boundary map)的产生步骤450，其中多个边缘区段被记录到该金融票券周边空白图上，且所述多个边缘区段是从具有一第一预定范围内的色彩统计分布图数据与一第二预定范围内的灰阶数值的多个图像区段中选出；接着，在金融票券的主体移除(banknote mainbody block removal)步骤460将由周围边缘区段所包围的内部边缘区段从该金融票券周边空白图中移除；最后，在金融票券的周边空白扩大步骤(banknote boundary dilation)470中扩大该金融票券周边空白图上的所述多个周围边缘区段。

在图4中所举例说明关于产生该金融票券周边空白图的过程的每一个相关的部分都会在后续段落中提供进一步的详细说明。

下面详细描述图像分离步骤410。在图像分离步骤410的过程中，所接收到的图像会被划分为多个图像区段，而这个步骤可以由类似于图2以及图3所绘示的关于划分多个验证区段的一方式来进行，因此不需要进一步的说明，在一些特定的实施例中，所述多个图像区段也可以对应于所述多个验证区段，此外，将接收到的图像划分为多个区域使得整体处理票券的处理效率提高，这是因为每一区域可以个别处理。这些区域可以具有任意的形状，例如方块或其它形态，只要符合本发明的精神即可。

下面详细描述色彩特征图的产生步骤420。色彩特征图的产生步骤420负责产生具有用于该图像的每一图像区段的色彩统计分布图数据的色彩特征图。图5以及图6为色彩统计分布图数据的一个例子，如图5所示，个别的颜色(510、520、530)都包含有一分布宽度以及一中间数值。在通过图6所示的本发明的一实施例中可以了解到，该扫描图像610的每一个图像区段614都包含用于表示一第一颜色510的一色彩统计分布图的分布宽度以及中间数值、用于表示一第二颜色520的一色彩统计分布图的分布宽度以及中间数值以及用于表示一第三颜色530的一色彩统计分布图的分布宽度以及中间数值，另外，该色彩统计分布图数据可以包含红绿蓝(RGB)三原色的统计分布图数据，由于色彩统计分布图的选取为该相关技术领域中具有通常知识者所熟悉，故不在该另行描述。

下面详细描述灰阶纹理特征图的产生步骤440。在灰阶纹理特征图的产生步骤440中，该灰阶纹理特征图是用于标识该图像的每一图像区段的一灰阶数值。图7为灰阶纹理特征图的一个例子，该图像中的每一图像区段都是通过分析与处理来确定每一图像区段对应的灰阶。由于金融票券通常都具有一个在一特定区间内独特的灰阶变化量，这个数据会在之后的周边空白检测程序中使用到。由于灰阶的分析为该相关技术领域中具有通常知识者所熟悉，故不在该描述。

下面详细描述金融票券周边空白图的产生步骤450。金融票券周边空白图的产生步骤450是一个最重要的关键步骤，其中多个边缘区段已通过之前步骤的数据所确定，主要是由步骤420产生的色彩特征图以及步骤440产生的灰阶纹理特征图所确定。在该步骤中，具有一第一预定范围内的色彩统计分布图数据与具有一第二预定范围内的灰阶数值的多个图像区段是被确认为多个边缘区段，而且所述多个边缘区段会被记录至该票券周边空白图，其中该第一预定范围是根据一有效金融票券的一边缘的色彩统计分布图数据来加以确定，而该第二预定范围则是根据一有效金融票券的一边缘的灰阶来加以确定。因此，当上述的预定范围根据一有效票券的一边缘信息来特别地调整与选择时，这个步骤会使用正确的判断标准以适当地选择多个边缘区段，而这个步骤进一步由图7说明，图8是显示一原始的图像810以及符合上述判断标准而选择作为金融票券周边空白图830的所述多个边缘区段的多个图像区段。

一般而言，一金融票券的一边缘是独特的，而且通常都比主体透明一些，也就因此造成与主体不同的灰阶数据与色彩统计分布图数据，而这些不同之处就可以作为用来在金融票券周边空白图830中适当地确定相对应的多个边缘区段所利用的特性。

在已经确认多个边缘区段之后，接着是进行票券的主体移除步骤460。由图8所示的金融票券周边空白图830的产生可知，所述多个边缘区段包含由多个周围边缘区段所围住的多个内部边缘区段，而所述多个内部边缘区段的存在是因为虽然第一与第二预定范围已经根据一有效的金融票券周边空白来调整，但是仍然可能还会有一些符合该金融票券的设定标准的多个金融票券主体区段，由于本发明不需要所述多个内部边缘区段，所以会移除所述多个内部边缘区段。这个步骤会在图9中说明，图9显示一原始的金融票券周边空白图910，接着在步骤920中移除多个内部边缘区段，因此造成在该金融票券周边空白图中只剩下所述多个周围边缘区段。

由多个周围边缘区段所围住的所述多个内部边缘区段的移除可以根据一些条件来进行，在一实施例中，本发明的方法可以移除一大于一阈值的数量的多个内部边缘区段，在其它的实施例中，则可以移除金融票券周边空白图中的多个内部边缘区段，以使移除的所述多个内部边缘区段是对应于一预定表面区域。

下面详细描述扩大金融票券的周边空白的步骤470。在本实施例中检测周边空白的方法的最后一个步骤为扩大金融票券的周边空白的步骤470，这个步骤同时也通过图9中的扩大金融票券的周边空白的步骤930来加以说明，本发明的方法会包含这个步骤是因为所述多个周围边缘区段的某些部分会非常薄，而且没有完全与相邻的边缘区段连接，这个特性使得一特定金融票券的边缘与周围的或是重叠的多个金融票券之间的区分变得非常困难，因此扩大金融票券周边空白图上的所述多个周围边缘区段可以提供多个金融票券之间更好的清晰度与分辨率。

以上所说明的是关于产生该金融票券周边空白图的一实施例，但是还有其它的实施例同样可以用来完成本发明所要达到的目的，因此，关于如何从原始的该扫描图像中分辨出多个边缘区段的实际作法可以随着本发明的一些不同的实施例而变化，其中，一实施例是涉及到对该扫描图像的所述多个图像区段的色彩统计数据以及对应于有效的金融票券的周边空白的色彩统计数据进行比较，并且另一实施例则是涉及到对该扫描图像的所述多个图像区段的纹理数据以及对应于有效的金融票券的周边空白的纹理数据进行比较，而关于该金融票券周边空白图的实际作法则是两者都可的，只要该金融票券周边空白图可以满足从对应于该扫描图像中的金融票券的一周边空白的多个图像区段中能分辨出多个边缘区段的需求即可。

在一些实施例中，金融票券周边空白图的产生步骤120可以另包含在图4中所示的一二元判断图(binary decision map)的产生步骤430，在这个情况中会产生一色彩二元判断图(color binary decision map)，并且该色彩二元判断图标识出对应于该金融票券的多个可能的区段，接着，多个边缘区段会被记录到该金融票券周边空白图上，以作为具有该预定色彩范围内的色彩统计分布图数据与该预定灰阶范围内的灰阶数值的多个可能的区段，因此，本实施例可以增加一额外的处理步骤，以得到更精确的验证结果，而进一步的细节内容将在后续段落中说明。

下面详细描述二元判断图的产生步骤430。二元判断图的产生步骤430主要是针对该色彩二元判断图的产生，以及该色彩二元判断图是基于色彩统计分布图数据来在该图像的多个区段中标识出对应于该金融票券的多个可能的区段，而图10所示为关于二元判断图的产生步骤430的一实施例，其中，在图10中左手边是显示包含一金融票券的一原始的图像，以及在图10中右手边是举例说明该色彩二元判断图，而从该图像中所选出的对应于该金融票券的多个可能的区域显示为黑色，此外，在该色彩二元判断图中，所述多个可能的区域是根据一有效的金融票券中的色彩统计分布图数据的一出现频率来确定，举例来说，一区段的该色彩统计分布图数据由该图像的多个区段中取得，并且会将该色彩统计分布图数据以及在一有效的金融票券中的色彩统计分布图数据来进行比较，而基于在该有效的金融票券中的一出现频率，如果该色彩统计分布图数据超过一预定的统计上的临界数值，则该区段就是一可能的区段。

图11是通过处理过程1100来举例说明用于图4的二元判断图的产生步骤430的方法的一实施例，并且处理过程1100中的每一个步骤在以下段落中描述。

如图11所示，二元判断图的产生步骤430的第一个步骤包含将该扫描图像划分为多个判断区段，如步骤1110，并且所述多个判断区段中每一个判断区段都会被分析，而这个步骤可以由类似于图2以及图3所示的关于划分多个验证区段的一方式来进行，因此不需要进一步的说明，在一些特定的实施例中，所述多个判断区段也可以对应于所述多个验证区段，此外，一开始先将该图像划分为多个判断区段可以使得在利用色彩特性来确定该图像的有效与无效区段的检验过程中，只需要花费较低的计算成本即可。

一旦将该图像划分为多个判断区段之后，就可以对每一个判断区段取得色彩统计分布图数据，如步骤1120，这个步骤可以由类似于图5以及图6所示的内容来进行，因此不需要进一步的说明，本发明的一较佳实施例是利用一三维色彩空间，例如一红绿蓝(RGB)三原色色彩空间，其具有一第一颜色510、一第二颜色520以及一第三颜色530，并且每一色彩统计分布图的该中间数值与该分布宽度数值都可以分别从上述个别的颜色中取得，由于色彩统计分布图的选取为该相关技术领域中具有通常知识者所熟悉，故不在该另行赘述。

在对于该图像的每一判断区段取得一色彩统计分布图数据之后，接着就可以根据该图像的各区段的该色彩统计分布图数据来对于该图像的每一判断区段构建一色彩向量，如步骤1130，而该色彩向量是对于计算机处理中该图像的各区段而言是提供了一种方便表示色彩信息的机制，此外，在本发明的一实施例中是使用六度空间的一色彩向量来概括从该图像的每一判断区段的该色彩统计分布图数据中取得关键数据点，而在此实施例中的该色彩向量是表示如下：

色彩向量[第一颜色310的分布宽度数值][第二颜色320的分布宽度数值][第三颜色330的分布宽度数值][第一颜色的中间数值][第一颜色310的中间数值减去第二颜色320的中间数值][第一颜色310的中间数值减去第三颜色330的中间数值]

在第五与第六数组里中间数值差额的使用是为了降低整体内存空间的限制条件，另外在此请注意，当使用红绿蓝三原色的色彩统计分布图时，这些中间数值彼此之间都会非常接近，所以如果有需要的话，当已经得知第一颜色310的中间数值时，第二颜色320以及第三颜色330的中间数值可以利用上述的特性来取得。

在对于该图像的每一判断各区段定义一色彩向量之后，接着就可以将该图像的每一判断区段的该色彩向量与一色彩对照表进行比较，以确定该图像的每一判断区段对应于一有效金融票券的机率，如步骤1140，而该图像的每一判断区段对应于该有效金融票券的机率是根据该色彩对照表中的一出现频率来计算产生。

该色彩对照表是利用将一有效金融票券所对应的一图像划分为多个窗体区段来产生，其中，根据本发明的特定实施例，所述多个窗体区段可以是隔离的、互相配合的、或部分重叠的，例如分别类似于图2以及图3所示的状态，此外，所述多个窗体区段的表面配置也可以根据对于该色彩对照表的一所想要形成的格式而具有平移或旋转的变化，或是也可能具有多重层次的绘制。

接着，对于该有效金融票券的每一窗体区段取得一色彩统计分布图数据，并且根据该有效金融票券的每一窗体区段的该色彩统计分布图数据来对于该有效金融票券的每一窗体区段指派一色彩向量，然后，再对于该有效金融票券所指派的每一色彩向量计算一出现频率。

如果某一判断区段对应于该有效金融票券的机率超过一第一预设临界数值时，那么该判断区段就会在步骤1150被选定为一色彩区段，而这个步骤会重复地对所有的判断区段持续进行，直到完成确认所述多个判断区段都是色彩区段为止，因此，在这个阶段中，所述多个色彩区段分别只是一个具有对应于该有效金融票券的一可接受出现频率的色彩向量的判断区段。

然后，紧接着是多个周围区段的检验，如步骤1160，多个周围区段的检验步骤对于上述步骤而言更为全面性的一个步骤，利用步骤1140中从判断区段的检验所得到的机率信息，就可以检验每一个色彩区段所对应的多个周围区段的机率。

首先，在步骤1160中将该图像的各个色彩区段的多个周围区段的色彩向量以及该色彩对照表进行比较，然后再确定所述多个周围区段对应于该有效金融票券的一平均机率，而与前一个步骤类似，在步骤1170中，所述多个周围区段对应于该有效金融票券的该平均机率是根据在该色彩对照表中的所述多个周围区段的色彩向量的出现频率来计算产生，如果在步骤1180中该平均机率是大于一第二预设临界数值，那么相对应的可能的区段就会被选定为一钞票(bill)区段，并且在下一个步骤中被进一步利用。

图12是用于对这个步骤提供一个范例说明，而在此实施例中，可能的区段是标识为一色彩区段1212，并且有多个周围区段1214围绕在色彩区段1212外侧，其中，多个周围区段1214的多个色彩向量是用于跟该色彩对照表进行比较，以确定多个周围区段1214对应于该有效金融票券的一平均机率，而如果该平均机率是大于该第二预设临界数值，那么可能的区段1212就会被选定为一钞票区段。

虽然图12举例说明多个周围区段1214在色彩区段1212外侧形成一环绕型态，但是其它变化以及不同实施例也可以有不同的形态，而这些不同的形态仍然是符合本发明所展现的原理与精神，举例来说，所述多个周围区段可以用一部分重叠的、旋转的、互不相交的、偏移的或是平移的方式来排列，无论如何，在上述各种情况中，本发明方法同样都可以用来达到其所想要完成的功能性目的。

等到在步骤1180确定多个钞票区段之后，接着就是进行一像素层次的处理步骤来在每一个钞票区段中检验多个像素，而这是在一像素层次的检验步骤1190中进行，这个步骤的主要目的在于检查是否有大部分的像素都来自于同一类型的金融票券，其中，将所述多个钞票区段所包含的多个像素与一像素查询表进行比较，以确定多个匹配像素，而所述多个匹配像素是根据所述多个像素的色彩统计分布图数据在该像素查询表中的出现频率来确定，如果在一钞票区段中发现所述多个匹配像素，那么本发明方法就会于步骤1192中在该色彩二元判断图上记录所述多个匹配像素的位置，以作为对应于该有效金融票券的多个可能的区段，因此，就可以产生该一般性的色彩二元判断图。

与该色彩对照表类似，该像素查询表是利用对于一有效金融票券中多个像素来取得其色彩统计分布图数据而产生，然后再对该有效金融票券中所述多个像素来计算所述多个色彩统计分布图数据中不同数值的出现频率，而伴随着相关像素的色彩统计分布图数据的出现频率便可以用来确定一匹配像素。

虽然该色彩二元判断图(图4中的步骤430)已经通过上述的过程而产生，但是由于图像质量的不确定性、背景的差异性以及一些噪声效应等，一般所产生的是一粗略调整后的色彩二元判断图，请参考图13以了解关于这方面的范例说明，图13举例说明在二元判断图的产生过程的各个阶段的处理结果，其中，左手边的图像是包含有欲检测的一金融票券的原始图像，中间的图像是所述多个钞票区段已经被确定之后的输出图像，而其中所述多个周围区段是为了色彩辨识而被检验，右手边的图像所显示的是所述多个可能的区段，而其中的多个匹配像素是在该色彩处理图中被辨识得知，

如图13中右手边的图像所示，虽然对应于该金融票券的一般区域已经被辨识得知，但是同样也已经辨识出数量相当多的噪声以及不规则的背景成分，同时在该钞票区域中可能会有明显的孔洞，并且在该钞票区域的周围会有背景噪声，因此，在其它的实施例中可以包含对于该色彩二元判断图作进一步更精确的处理。

为了清除上述与该色彩二元判断图相关的背景效应以及噪声，可以进一步使用色彩后置处理步骤1400，请参考图14的举例说明，如图14所示，色彩后置处理步骤1400包含一目标对象分离步骤1402、一噪声移除步骤1404以及一孔洞填补步骤1406，此外，只要没有改变本发明的目的或所揭示的原理，均可以进一步在本发明的其它实施例中利用不同排列或顺序来进行上述这些步骤。

上述这三个子处理步骤会在后续的段落中进一步阐明。

下面详细描述目标对象分离步骤1402。在色彩后置处理步骤1400中的第一个步骤涉及到目标对象分离步骤1402，之所以进行目标对象分离步骤1402是为了使该色彩处理图处于良好的状态，其中，本发明的一实施例是利用一洪水填充算法(flood-fill algorithm)来将该色彩处理图中的多个目标对象分开，虽然有许多不同的洪水填充算法，但是本发明较偏好的一实施例是使用具有三个循环(iteration)的一基本八邻的(8-neighbor)洪水填充算法，然而，只要没有改变本发明的目的或所揭示的原理精神，本发明的其它实施例也可以使用其它不同的算法。

首先，一目标对象分离算法是用于将该色彩处理图中的每一个孤立的目标对象作标识，请参考图15的举例说明，图15揭示该目标对象分离算法的各个不同阶段，一开始时，背景会被标识为一第一标识数值1510，如图15(a)所示，接着再于垂直与水平的方向进行一图像扫描操作，如果在该图像扫描操作期间中有一个区块(亦即可能的区域)符合，则该可能的区域会被标识为一第二标识数值1520，如图15(a)所示，在这个步骤中会遇到两个目标对象，而这两个目标对象均被标识为第二标识数值1520，接着再继续该图像扫描操作，然而这次当遇到到每一个具有第二标识数值1520的目标对象时，其会进行洪水填充，然后再被标识为一第三标识数值1530，如图15(b)所示，当遇到上方具有一第二标识数值1520的目标对象时，该目标对象就会被重新标识为一第三标识数值1530，以此类推，每一个具有第二标识数值1520的目标对象都会因而被洪水填充，然后再被标识为一逐次增加的标识数值，直到没有剩下任何具有第二标识数值1520的目标对象。在图15(c)中，当遇到下方具有一第二标识数值1520的目标对象时，该目标对象就会因而被重新标识为一第四标识数值1540，而当此处理步骤完成时，每一个不同的目标对象以及该背景都会被标识为一个不同的标识数值，如图15所示，有两个经过确认的目标对象(第三标识数值1530、第四标识数值1540)伴随着该背景(第一标识数值1510)。

下面详细描述噪声移除步骤1404。噪声移除步骤1404用于根据区域的判断标准(region area criteria)来移除噪声，也就是说，接下来的步骤是进行噪声移除步骤1404来降低围绕在钞票区域外侧的背景噪声，另外，由于噪声移除算法(noise removal algorithm)的原理为此相关技术领域中具有通常知识者所熟悉，所以便不在此另行赘述。

下面详细描述孔洞填补步骤1406。接着，可以在噪声移除步骤1404之后进行孔洞填补步骤1406，其中，孔洞填补步骤1406是利用一孔洞填充算法(hole-filling algorithm)以在被包围住的多个目标对象中确保具有同一数值，以改善该色彩处理图，而该孔洞填充算法是与一洪水填充算法共同结合来使用，例如在目标对象分离步骤1402中所描述的那种洪水填充算法，请参考图16的举例说明，图16揭示关于孔洞填补步骤1406的操作，从该色彩处理图中可以看到，多个可能的区域以及多个不可能的区域(亦即背景或多个孔洞目标对象)是分别被标识为一第一孔洞标记(亦即灰色标识)以及一第二孔洞标记(亦即条黑色标识)，如图16(a)所示。接着，所述多个可能的区域以及所述多个不可能的区域各自的孔洞标记会被互相对调(亦即原始的黑色标识会被改变为灰色标识，而原始的灰色标识会被改变为黑色标识)，如图16(b)所示。然后，再利用一洪水填充算法来将该背景标识为一第三孔洞标记(如图16(c)所示，其显示为白色标识)，所以，现在对应于所述多个可能的区域中所述多个孔洞的第一孔洞标记，接着便会被改变为该第二孔洞标记以对应所述多个可能性的区域，如图16(d)所示，如此一来，所述多个孔洞就会被填满，最后，再将该第二孔洞标记改变为原始的该第一孔洞标记(亦即将原始的黑色标识改变为灰色标识)来辨识所述多个可能的区域，并且将该第三孔洞标记改变为该第二孔洞标记(亦即将原始的白色标识改变为黑色标识)，如图16(e)所示。

因此，为了进一步改善该色彩处理图以及精确的辨识与分离有可能对应于该金融票券的多个目标对象，在本发明的一实施例中是使用洪水填充算法以及孔洞填充算法的组合。

请参考图17，图17举例说明本发明色彩处理方法应用于包含一金融票券的一图像时各个阶段的示意图，其中，在图17(a)中所示的原始图像包含欲检测的该金融票券放置于一背景图像上，而在一开始产生该色彩二元判断图(根据图11)之后，对应于该金融票券的所述多个可能的区段会被粗略的辨识于该色彩处理图中，如图17(b)所示，然而，从该背景图像以及该金融票券的一些特定区域中的多个孔洞会出现一些额外的噪声，所以接下来会利用色彩后置处理步骤1400以进一步使该色彩处理图变得较为清晰，其中色彩后置处理步骤1400包含目标对象分离步骤1402(如图17(c)所示)以及孔洞填补步骤1406(如图17(d)所示)，而其结果可以产生更精确的色彩二元判断图，以清楚的定义对应于该金融票券的多个可能的区域。

下面详细描述纹理判断图(texture decision map)产生步骤130。纹理判断图产生步骤130以该扫描图像为基础来产生一二元纹理判断图(binarytexture decision map)，其中，首先会对该扫描图像的每一图像区段计算纹理数值，然后再将所计算出的纹理数值与一有效的金融票券的纹理数值进行比较，接着，再从所述多个特征区段中选出多个纹理区段，且所述多个纹理区段的纹理数值是在一有效的金融票券的一有效范围内。

图18举例说明关于从一扫描图像1810中产生一纹理判断图1820的示意图，在进行上述步骤之后，多个纹理区段1830是从扫描图像1810的所述多个图像区段中相对应地被确认，如前面内容所述，所述多个纹理区段为纹理数值在一有效的金融票券的一有效范围内的多个特征区段。

关于应用于分辨出多个纹理区段1830的纹理数值可以随着本发明的一些不同的实施例而加以变化，其中，一实施例是涉及到利用灰阶数值作为该纹理数值，并且对所述多个图像区段的灰阶数值与一有效的金融票券的灰阶数值进行比较，并且另一实施例则是利用不同的灰阶数值，例如对比数值、半色调(halftone)数值以及边缘频率(edge frequency)数值，而关于所选择使用的纹理数值的实际类型则是以上都是可以的，只要纹理判断图1820可以满足从具有在一有效的金融票券的一有效范围内的纹理数值的多个纹理区段中能分辨出多个纹理区段1830的需求即可。

请参考图19以便在后续段落中说明纹理判断图1820的产生，图19根据本发明举例说明关于产生纹理判断图1820的一实施例，在一第一个步骤1910中，该图像被划分为多个特征区段，而这个步骤可以由类似于图2以及图3所示的关于划分多个验证区段的一方式来进行，因此不需要进一步的说明，在一些特定的实施例中，所述多个特征区段也可以对应于所述多个验证区段，或是也可以用一部分重叠的方式排列。

在将该图像划分为多个特征区段之后，就可以在步骤1920中产生一纹理特征图，以及该纹理特征图具有关于所述多个特征区段中每一特征区段的特征数值，该纹理特征图是从该原始的扫描图像中所产生，并且可以包含有许多类型，例如：具有多个灰阶数值的一灰阶图、具有多个半色调(halftone)数值的一半色调图、或是具有多个边缘(edge)数值的一二元边缘图，在其它另外的实施例中可以包含有不同类型的多个纹理特征图，然而，前面所提到的实施例会在后续段落中详细说明关于应用于本发明中的情况。

在步骤1930中，多个边缘区段被包含在多个特征区段中，之所以会包含有这个步骤是因为在金融票券周边空白图的产生步骤120中所确定的多个边缘区段很明显地是对应于该金融票券，并且将所述多个边缘区段包含在所述多个特征区段中可以减少一些需要判断这部分的处理过程。

在步骤1940中，具有在一第一纹理数值临界范围内的多个纹理数值的多个特征区段接着会被选为潜在的纹理区段，而这是一个预备的步骤以暂时地辨识具有当与一有效的金融票券比较时为有效的多个纹理数值的多个特征区段，以及该第一纹理数值临界范围是因而对应于一有效的金融票券的一有效的纹理数值范围。

在步骤1950中，关于每一潜在的纹理区段的多个周围区段的一平均纹理数值会被计算出来，这是因为有效的纹理区段应该也会具有多个有效的周围区段，并且多个周围区段的一个实施例可以如图12所示，以图12为例，区段1212可以用来代表该潜在的纹理区段，以及区段1214可以用来代表区段1212周围的所述多个特征区段，然而，其它变化以及不同实施例也可以有不同的形态，而这些不同的形态仍然符合本发明所揭示的原理与精神，举例来说，所述多个周围区段可以用一部分重叠的、旋转的、互不相交的、偏移的或是平移的方式来排列，无论如何，在上述各种情况中，本发明方法同样都可以用来达到其所想要完成的功能性目的。因此，多个区段1214的多个纹理数值会被计算出来以确定周围的所述多个特征区段的一平均纹理数值，换句话说，所述多个纹理数值会被计算出来以确定周围的所述多个特征区段的一平均纹理数值。

最后，在步骤1960中，在周围具有在一第二纹理数值临界范围内的该平均纹理数值的多个特征区段的多个潜在的纹理区段会被包含在多个纹理区段中，此外，该第二纹理数值临界范围对应于一有效的金融票券的一有效的纹理数值，并且这个步骤是更为全面性的一个步骤，以用来确保在多个纹理区段之间的纹理数值具有一致性。

如前面内容所述，一灰阶图可以用来作为该纹理特征图，因为该灰阶图具有多个灰阶数值以作为多个特征区段中每一特征区段的纹理数值，在此实施例中，该第一纹理数值临界范围对应于一有效的金融票券的一灰阶，并且该第二纹理数值临界范围也对应于该有效的金融票券的一灰阶。

一般而言，金融票券在一特定的预定范围内具有一灰阶变异。图20为显示各种不同对象的灰阶变异图的一个范例说明。图20(a)显示一美元票券的灰阶变异，以及图20(b)是显示一片织布的灰阶变异，而图20(c)显示白色背景上的黑色文字的灰阶变异。如图20所显示的一些范例可知，任一对象都倾向具有一特定范围的灰阶变异。图20(b)所显示的织布倾向具有较小的灰阶变异，主要是因为具有较为均匀的灰阶分布。图20(c)所显示的白色背景上的黑色文字具有较大的灰阶变异，这是因为黑色文字与白色背景彼此交错的关系。在以上这三种物品中，图20(a)所显示的金融票券具有最宽广的灰阶变异，这是因为票券中具有不同色调的灰色存在其中。当该第一与第二纹理数值临界范围被选为对应于一有效的金融票券的该有效的灰阶时，以上所述的内容就是在灰阶处理中所利用的特性。

同样地如前面内容所述，一半色调图可以用来作为该纹理特征图，因为该半色调图具有多个半色调数值以作为多个特征区段中每一特征区段的纹理数值，在此实施例中，该第一与第二纹理数值临界范围是对应于一有效的金融票券的一半色调数值，并且该第二纹理数值临界范围也是对应于该有效的金融票券的一灰阶。该半色调图是用于区分半色调图案或半色调数值，因此可以显示出具有一预先定义的色彩范围及一预先定义的连续色彩梯度范围的多个特征区段。

更明确地来说，于YUV空间中，半色调图案可以被定义为在一相同范围的色调(U，V)没有相邻或很少相邻的图案，而在YCbCr空间，半色调图案为在一相同范围的色调(Cb，Cr)中没有相邻或很少相邻的图案，此亦为已知的半色调模式印刷。图21所显示的一范例是为一使用半色调模式印刷(图21(b))的图像与一使用典型的钞票印刷(图21(a))的图像。图21(a)所显示的钞票印刷的图像在一直线中具有一较为连续的色彩梯度，这是因为任一所给的像素都具有相同或相似色调的周边像素。图21(b)所显示的半色调模式的图像具有较多的不相交点，同时在色彩上以及色彩连续度上具有较大的变异。一般来说，半色调图像中的像素不会具有相似色调的周边像素，因此不会有一连续的色彩梯度。在此步骤中，由半色调模式所印刷的多个特征区段会在后续过程的步骤中被忽略，因为这些多个特征区段与金融票券没有对应关系。然后，具有与一所要的金融票券有对应关系的多个半色调数值以及多个周围区段的多个特征区段会被选定为该纹理特征图中的多个纹理区段，以进行进一步的处理。

最后，一二元边缘图(binary edge map)可以用来作为该纹理特征图，因为该半色调图具有多个边缘数值以作为多个特征区段中每一特征区段的纹理数值，一般来说，该二元边缘图为基于此扫描图像的灰阶梯度的一种二阶(或二色调)的表示法。在某些实施例中，二元边缘图为在一3乘3灰色区块中的梯度(在YUV色彩空间中，使用Y通道)。该二元边缘图的构建是利用指派一个或两个数值给在多个特征区域内的像素来进行，如果目标像素的灰阶梯度高于此预定临界数值，则此目标像素会被指定具有一第一数值，而如果目标像素的灰阶梯度低于此预定临界数值，则此目标像素会被指定具有一第二数值，而所有这些目标像素的数值都会被指定并且随后被映像到一二元边缘图。图22显示此二元边缘图的一实施例。一个10乘10的钞票区域总共包含100个像素，在此实施例中，如果像素的灰阶梯度超过了预定临界数值，此像素会被指定具有一数值“1”，反之，此像素会被指定具有一数值“0”。图23显示此二元边缘图的另一实施例，此实施例应用了一索贝尔滤波器(Sobel filter)，其中，第一数值为一黑色调，而第二数值为一白色调，使得此二元边缘图具有一较为可视化的表现，如图23所示，该金融票券跟背景比较起来显得非常明显。

有了通过该二元边缘图所产生的对应于该扫描图像的二数值表示法，就可以对每一特征区段计算多个边缘数值，并且当金融票券的纹理倾向非常的精细时，其中一种将其特征化的方式为在横跨该二元边缘图的时候判断边缘的数目，因此，多个边缘数值是利用基于区域的过零率(section-basedzero-crossing frequency)来确定该纹理数值。换句话说，当在此二元边缘图横跨一钞票区域时，会计算出从一第一数值转换到一第二数值(与从第二数值转换到第一数值)的一频率。为了让该纹理数值得到一较高的分辨率，总共在四个方向中会取得四种不同的频率：在该二元边缘图的一第一方向中的数值交替的一第一频率、一第二方向中的一第二频率、一第三方向中的一第三频率以及一第四方向中的一第四频率。因此，每一特征区段的该边缘数值是根据不同方向的这四个频率来确定。

图24显示横跨该二元边缘图以确定在各个不同方向中数值交替的第一频率、第二频率、第三频率以及第四频率的一个范例。在图24(a)中，该第一方向为0度；在图24(b)中，该第二方向为45度；在图24(c)中，该第三方向为90度；以及在图24(d)中，此第四方向为135度。紧接着得到此第一频率、第二频率、第三频率以及第四频率，然后就可以相应地对每一特征区段计算出此纹理数值。较佳的情况是针对根据在该第一频率、该第二频率、该第三频率以及该第四频率中的一最大频率、一最小频率以及该最大频率与该最小频率的一差异来计算该边缘数值。

在分别从步骤120以及130得到一金融票券周边空白图120以及一纹理判断图130之后，现在就可以进行该目标对象确定步骤，而该目标对象确定步骤140的目的是分辨在该扫描图像中的多个目标对象是否有任何一个目标对象可能是一金融票券，并且为了完成这个目的，在该纹理判断图中部分重叠的区域必须具有彼此分离的个别目标对象，关于这部分可以利用移除在该纹理判断图中对应于在该金融票券周边空白图中的所述多个边缘区域的多个纹理区段来完成，这是由于在该金融票券周边空白图中的所述多个边缘区段可以大致描绘出该金融票券的轮廓，因此可以用来在该纹理判断图中将个别的金融票券区域加以分离。

图25与图26举例说明关于目标对象确定步骤140的操作。如图25所示，一纹理判断图2510包含有三张部分重叠的金融票券的多个纹理区段，以及一金融票券周边空白图2520包含大致描绘出上述三张金融票券的轮廓的多个边缘区段，当对应于所述多个边缘区段的多个纹理区段被移除时，这三张金融票券就会在目标对象分离步骤2530中被分离，而图26举例说明一类似的实施例，其中一纹理判断图2510包含两个具有周遭环境噪声的金融票券区域，而在这个情况中，因为关于这两个金融票券区域的多个纹理区域已经被分离，所以目标对象确定步骤140主要用于移除多余的噪声来更适当地定义这两个金融票券区域，并且在纹理判断图2610中对应于金融票券周边空白图2620的多个边缘区域的多个纹理区段已经被移除，就如同在目标对象分离步骤2630中所显示的结果，而真实的金融票券区域以及残留的对象会留下来，并且将在后续的步骤中来验证它们与有效的金融票券之间的相关性。

下面详细描述纹理特性(texture property)数值确定步骤150。在目标对象确定步骤140中确定与隔离出多个目标对象之后，纹理特性数值确定步骤150主要是针对所述多个个别的目标对象中每一目标对象的一纹理特性数值的计算，并且该纹理特性数值接着会被拿来跟对应于一有效的金融票券的已知数值作比较，以验证该相关的目标对象的纹理是否与该有效的金融票券的纹理相同。

关于该纹理特性数值的实际计算方式可以随着本发明的一些不同的实施例而加以变化，举例来说，在一实施例中，该纹理特性数值是根据一纹理特征(texture feature)图来计算，其中该纹理特征图具有该扫描图像中每一图像区域的一纹理特征数值，因此该纹理特征图已经包含该扫描图像的纹理特征，所以对应于上述讨论中的该目标对象的所述多个图像区段的纹理特征数值会在该目标对象的该纹理特性数值的计算中使用。

在一实施例中，该纹理特征图是为一灰阶特征图，并且该灰阶特征图具有多个灰阶数值以作为每一图像区段的该纹理特征数值，而在其它实施例中，该纹理特征图为一对比特征图，并且该对比特征图具有多个对比数值以作为每一图像区段的该纹理特征数值，或者，该纹理特征图是为一半色调(halftone)特征图，并且该半色调特征图具有多个半色调数值以作为每一图像区段的该纹理特征数值，而关于对所述多个图像区段所选择使用的该纹理特征图的实际类型或格式以及相对应的该纹理特征数值则是以上都是可以的，只要该纹理特征图可以满足将该扫描图像的所述多个图像区段在纹理的方面特征化的需求即可，而本发明所揭示的原理原则同样可以应用于任何有可能拿来使用的纹理特征图的类型。

在选择完一纹理特征图之后，接着就可以确定该纹理特性数值，在一较佳实施例中，会在该纹理特性数值的计算中对于对应于该目标对象的多个图像区段同时利用所述多个纹理特征数值的一平均数值以及一变异数值，然而，在其它实施例中也可以在该纹理特性数值的计算中单独使用一平均数值或是只使用一变异数值，同样地，关于对该纹理特性数值所选择使用的实际计算方式或方程式也是以上都是可以的，只要有一适当的纹理特征图可以满足将该扫描图像的所述多个图像区段在纹理的方面特征化的需求即可，而不论计算精确度以及该纹理特性数值的实际为何，本发明所揭示的原理原则都可以同样适用。

为了在计算该纹理特性数值时提供更高的分辨率，本发明的另一实施例是利用一第二纹理特征图，其中该第二纹理特征图具有在该纹理特性数值的计算中关于每一图像区段的一第二纹理特征数值，而由于此实施例利用了与该扫描图像相关的两种不同的纹理特征类型，所以利用两个纹理特征图可以降低在计算中的变异性，与此同时，对应于一金融票券的多个纹理区段的验证也会具有更高的准确率。

与该第一纹理特征图类似，该第二纹理特征图也可以是一灰阶特征图，并且该灰阶特征图具有多个灰阶数值以作为每一图像区段的该第二纹理特征数值，或者，该纹理特征图也可以是一对比特征图，并且该对比特征图具有多个对比数值以作为每一图像区段的该第二纹理特征数值，或者，该纹理特征图也可以是一半色调特征图，并且该半色调特征图具有多个半色调数值以作为每一图像区段的该第二纹理特征数值，而同样地，关于对所述多个图像区段所选择使用的该第二纹理特征图的实际类型或格式以及相对应的该第二纹理特征数值则是以上都是可以的，因为本发明所揭示的原理原则同样可以应用于任何有可能拿来使用的第二纹理特征图的类型。

下面详细描述形状特性数值确定步骤160。形状特性数值确定步骤160主要是针对上述确认过的目标对象中每一目标对象的一形状特性数值的计算，并且该形状特性数值接着会被拿来跟对应于一有效的金融票券的已知数值作比较，以验证该相关的目标对象的形状是否与该有效的金融票券的形状相同。

关于计算该形状特性数值的特定方程式可以随着本发明的一些不同的实施例而加以变化，举例来说，在一实施例中，用于每一目标对象的该形状特性数值仅包含确定该目标对象的一区域，其中，这可以包含利用该目标对象的四个边角来确定该目标对象的该区域，而在其它实施例中则可以另外包含：确定在该目标对象中两条不同对角线的中心点之间的一距离，确定在该目标对象中两条并行线的长度，利用在该目标对象中的四个角度来确定一内积，以及确定该目标对象的一宽度与该目标对象的一高度的一比值。虽然关于该形状特性数值的实际计算方式可以随着本发明的一些不同的实施例而加以变化，但是该形状特性数值的实际呈现方式则以上都是可以的，因为本发明所揭示的原理原则同样可以应用于任何有可能拿来对于该形状特性数值进行计算的方式。

下面详细描述目标对象移除步骤170。在对于每一目标对象确定其纹理特性数值以及形状特性数值之后，目标对象移除步骤170主要是针对关于没有对应于一有效的金融票券的目标对象的移除，且从对应于多个目标对象的该纹理判断图中进一步移除多个纹理区段，其中，所述多个纹理区段不具有在一第一预设范围内的一纹理特性数值，也不具有在一第二预设范围内的一形状特性数值。

在本发明的一较佳实施例中，该第一预设范围是对应于该有效的金融票券的有效纹理特性数值，以及该第二预设范围是对应于该有效的金融票券的有效形状特性数值，因此，一个被确认过的目标对象应该分别具有落在上述两种有效的范围(这两种有效的范围均对应于一有效的金融票券)内的一纹理特性数值以及一形状特性数值，而该被确认过的目标对象的相对应的多个纹理区段会被留在该纹理判断图中来验证在该扫描图像中有效的金融票券的一位置；反之，如果该纹理特性数值或是该形状特性数值其中的一没有落在上述两种有效的范围内的话，那么该纹理特性数值或是该形状特性数值所对应的多个纹理区段会从该纹理判断图中被移除掉。

图26是根据本发明举例说明目标对象移除步骤170的一实施例，其中，在图27中，27(a)是举例说明一纹理判断图，其具有三个被确认过的目标对象，虽然已经对这三个被确认过的目标对象计算出多个纹理特性数值，但是很明显地在左边以及下面的较小的目标对象并没有对应于一有效的金融票券的纹理特性数值，而在27(b)中，上述的较小的目标对象已经在目标对象移除步骤170中被移除，这是因为这些较小的目标对象并不具有在该第二预设范围内的形状特性数值。

图28是根据本发明举例说明一种在一图像中确定对应于一金融票券的多个区域的验证方法的流程图。假如大体上可以得到相同的结果，流程2800中的步骤不一定需要照图28所示的顺序来执行，也不一定需要是连续的，也就是说，这些步骤之间是可以插入其它的步骤。该验证方法包含：

步骤2810：将图像划分为多个图像区域。

步骤2820：产生一金融票券周边空白图，该金融票券周边空白图具有从所述多个图像区段中选出的多个边缘区段，且所述多个边缘区段对应于该图像中的该金融票券的一周边空白。

步骤2830：产生一纹理判断图(texture decision map)，该纹理判断图具有从所述多个图像区段中选出的多个纹理区段，且所述多个纹理区段具有一纹理数值，该纹理数值是在一有效的金融票券的一有效的范围内。

步骤2840：利用移除该纹理判断图中对应于在该金融票券周边空白图中的所述多个边缘区段的多个纹理区段来确定在该纹理判断图中的多个目标对象。

步骤2850：根据具有关于所述多个图像区段中每一图像区段的一纹理特征(texture feature)数值的一纹理特征图来对所述多个目标对象中每一目标对象计算一纹理特性(texture property)数值。

步骤2860：对于每一目标对象计算一形状特性数值。

步骤2870：进一步从该纹理判断图中移除对应于不具有在一第一预设范围内的该纹理特性数值与在一第二预设范围内的该形状特性数值的目标对象的纹理区段。

图29与图30是分别根据上述内容举例说明一完整的逐步验证过程，其中，在这两种情况中，一纹理判断图1000以及一金融票券周边空白图1002是从一扫描图像1001中取得，而在纹理判断图1000以及金融票券周边空白图1002中的信息是在目标对象确定步骤中结合以确认以及隔离与金融票券的位置相关的多个潜在目标对象1004，接着再对每一目标对象1004确定多个形状特性数值以及多个纹理特性数值，然后在目标对象移除步骤中，不具有在一第一预设范围内的一纹理特性数值且也不具有在一第二预设范围内的一形状特性数值的目标对象1004会被移除，以及最后的输出1010是举例说明在该扫描图像中对应于一有效的金融票券的验证过的位置。因此，由上述的详细内容可知本发明是提供一种在一图像中确定对应于一金融票券的多个区域的验证方法，并且该扫描图像的特征是用来跟有效的金融票券的已知的数值与/或范围比较，以在验证在该扫描图像中金融票券的位置。

本发明方法可以应用于伪造货币的辨识，此外，该扫描图像可以包含该扫描金融票券重叠在任意背景上，也可以包含多个隔离的或独立的金融票卷、或是多个具有部分重叠的金融票卷、又或是具有任意的旋转轴与平移对准(shift alignment)的金融票券。

本发明不但提供了一种可以提高安全性的方法，而且本发明还可以轻易地与一般常见的硬件装置整合运用，也就是说，本发明提供了一种可用低成本来达成所要目的的方法，因此可以得到精确的检测率与非常低的误判率，与此同时，本发明也具有足够的强健度(robust)与弹性以应用在各种不同的图像类型以及运作条件。

以上所述仅为本发明的较佳实施例，凡依本发明权利要求书所做的均等变化与修饰，都应属于本发明的涵盖范围。

Claims (50)

1.一种在一图像中确定对应于一金融票券的多个区域的验证方法，其特征是包含：

将该图像划分为多个验证区段；

产生一金融票券周边空白图，该金融票券周边空白图具有多个边缘区段，且所述多个边缘区段是对应于该图像中的多个有效金融票券的一周边空白；

从具有多个纹理区段的该图像中产生一纹理判断图，所述多个纹理区段具有多个纹理数值，且所述多个纹理数值是在根据一有效金融票券的一有效范围内，其中产生该纹理判断图的步骤包含：

将该图像划分为多个特征区段，

产生包含有该图像的每一特征区段的纹理数值的一纹理特征图，

将所述多个边缘区段包含在所述多个纹理区段中，

选择具有在一第一纹理数值临界范围内的纹理数值的多个特征区段作为多个潜在纹理区段，

对每一潜在纹理区段周围的多个特征区段确定一平均纹理数值，以及

将周围具有在一第二纹理数值临界范围内的该平均纹理数值的多个特征区段的多个潜在纹理区段包含在所述多个纹理区段中；

利用移除在该纹理判断图中对应于在该金融票券周边空白图中的所述多个边缘区段的多个纹理区段来确定在该纹理判断图中的多个目标对象；

根据具有关于该图像的每一验证区段的一纹理特征数值的一纹理特征图来对该纹理判断图中的每一目标对象计算一纹理特性数值；

对于每一目标对象计算一形状特性数值；以及

进一步从该纹理判断图中移除对应于不具有在一第一预设范围内的该纹理特性数值与不具有在一第二预设范围内的该形状特性数值的目标对象的纹理区段。

2.根据权利要求1所述的验证方法，其特征是产生该金融票券周边空白图的步骤包含：

将该图像划分为多个图像区段；

产生一色彩特征图，该色彩特征图具有用于所述多个图像区段中每一图像区段的色彩统计分布图数据；

产生一灰阶纹理特征图，该灰阶纹理特征图用于标识所述多个图像区段中每一图像区段的一灰阶数值；

将多个边缘区段记录至一金融票券周边空白图，以作为具有位于一预定色彩范围内的色彩统计分布图数据与位于一预定灰阶范围内的灰阶数值的多个图像区段；

移除由多个周围边缘区段在该金融票券周边空白图的内所围住的至少一内部边缘区段；以及

选择所述多个周围边缘区段作为该金融票券周边空白图上的所述多个边缘区段。

3.根据权利要求2所述的验证方法，其特征是用于所述多个图像区段中每一图像区段的该色彩统计分布图数据包含用于表示一第一颜色的一色彩统计分布图的一分布宽度、用于表示该第一颜色的该色彩统计分布图的一中间数值、用于表示一第二颜色的一色彩统计分布图的一分布宽度、用于表示该第二颜色的该色彩统计分布图的一中间数值、用于表示一第三颜色的一色彩统计分布图的一分布宽度以及用于表示该第三颜色的该色彩统计分布图的一中间数值。

4.根据权利要求3所述的验证方法，其特征是该色彩统计分布图数据是为红绿蓝三原色统计分布图数据。

5.根据权利要求2所述的验证方法，其特征是该预定色彩范围是根据用于一有效金融票券的一周边空白的色彩统计分布图数据来确定。

6.根据权利要求2所述的验证方法，其特征是该预定灰阶范围是根据用于一有效金融票券的一周边空白的灰阶数值来确定。

7.根据权利要求2所述的验证方法，其特征是移除由至少一周围边缘区段在该票券周边空白图之内所围住的至少一内部边缘区段的步骤还包含：

移除多个内部边缘区段，其数量是大于一阈值。

8.根据权利要求2所述的验证方法，其特征是移除由至少一周围边缘区段在该票券周边空白图之内所围住的至少一内部边缘区段的步骤还包含：

移除多个内部边缘区段，其是对应于一预定表面范围。

9.根据权利要求2所述的验证方法，其特征是还包含有：

产生一色彩二元判断图，并且该色彩二元判断图是标识出对应于该金融票券的多个可能的区段；以及

将所述多个边缘区段记录到该金融票券周边空白图以作为所述多个可能的区段，其中所述多个可能的区段是具有在该预定色彩范围之内的色彩统计分布图数据以及在该预定灰阶范围之内的灰阶数据。

10.根据权利要求9所述的验证方法，其特征是该色彩二元判断图的所述多个可能的区段是根据在该有效金融票券之内的色彩统计分布图数据的一出现频率来确定。

11.根据权利要求9所述的验证方法，其特征是产生该色彩二元判断图的步骤还包含：

将该图像划分为多个判断区段；

对于该图像的每一判断区段取得一色彩统计分布图数据；

根据该图像的每一判断区段的该色彩统计分布图数据来对于该图像的每一判断区段指派一色彩向量；

将该图像的每一判断区段的该色彩向量与一色彩对照表进行比较，以确定该图像的每一判断区段对应于该金融票券的一机率；

从所述多个判断区段中选择具有超过一第一预设临界数值的机率的多个色彩区段。

将该图像的每一色彩区段所对应的多个周围区段的多个色彩向量与该色彩对照表进行比较；

确定所述多个周围区段对应于该金融票券的一平均机率；

从所述多个色彩区段中选择多个钞票区段，而所述多个钞票区段的多个周围区段具有大于一第二预设临界数值的该平均机率；

将所述多个钞票区段所包含的多个像素与一像素查询表进行比较，以确定多个匹配像素；以及

记录所述多个匹配像素的位置，以作为在该色彩二元判断图中的多个可能的区段。

12.根据权利要求11所述的验证方法，其特征是还包含：

根据一噪声移除算法来将该色彩二元判断图中的噪声移除；

通过一洪水填充算法来将该色彩二元判断图中的多个目标对象分离。

13.根据权利要求11所述的验证方法，其特征是还包含：

根据所述多个周围区段的色彩向量在该色彩对照表中的一出现频率来确定所述多个周围区段对应于该金融票券的该平均机率。

14.根据权利要求11所述的验证方法，其特征是该像素查询表是通过利用对于该有效金融票券中的多个像素取得其色彩统计分布图数据，以及对于该有效金融票券中的所述多个像素来计算所述多个色彩统计分布图数据中不同数值的一出现频率而产生。

15.根据权利要求11所述的验证方法，其特征是还包含：

根据所述多个像素的色彩统计分布图数据在该像素查询表中的一出现频率来确定所述多个匹配像素。

16.根据权利要求11所述的验证方法，其特征是该图像的各区段的该色彩向量是根据该色彩统计分布图数据并通过一六度空间来被定义，且该六度空间包含该第一颜色的该分布宽度、该第二颜色的该分布宽度、该第三颜色的该分布宽度、该第一颜色的该中间数值、该第一颜色的该中间数值减去该第二颜色的该中间数值以及该第一颜色的该中间数值减去该第三颜色的该中间数值。

17.根据权利要求11所述的验证方法，其特征是还包含：

利用将一有效金融票券的一图像划分为多个窗体区段来产生该色彩对照表；

对于该有效金融票券的每一窗体区段取得一色彩统计分布图数据；

根据该有效金融票券的每一窗体区段的该色彩统计分布图数据来对于该有效金融票券的每一窗体区段指派一色彩向量；以及

计算该有效金融票券的每一窗体区段所被指派的色彩向量的一出现频率。

18.根据权利要求11所述的验证方法，其特征是还包含有：

根据一判断区段在该色彩对照表中的一出现频率来确定该判断区段是对应于该有效金融票券的一机率。

19.根据权利要求11所述的验证方法，其特征是所述多个判断区段实质上与所述多个图像区段相同。

20.根据权利要求1所述的验证方法，其特征是该纹理特征图是为一灰阶图，而该灰阶图具有用来作为所述多个特征区段中每一特征区段的所述多个纹理数值的多个灰阶数值，且该第一纹理数值临界范围是对应于该有效金融票券的灰阶数值，以及该第二纹理数值临界范围也是对应于该有效金融票券的灰阶数值。

21.根据权利要求1所述的验证方法，其特征是该纹理特征图是为一半色调图，而该半色调图具有用来作为所述多个特征区段中每一特征区段的所述多个纹理数值的多个半色调数值，且该第一纹理数值临界范围是对应于该有效金融票券的多个半色调数值，以及该第二纹理数值临界范围也是对应于该有效金融票券的多个半色调数值。

22.根据权利要求21所述的验证方法，其特征是所述多个特征区段中每一特征区段的所述多个半色调数值根据在该特征区段中的多个像素的一色彩范围以及一色彩梯度范围来确定。

23.根据权利要求22所述的验证方法，其特征是在该特征区段中的所述多个像素的该色彩范围以及该色彩梯度范围是根据在一YUV色彩空间中的所述多个像素的一色调来确定。

24.根据权利要求22所述的验证方法，其特征是在该特征区段中的所述多个像素的该色彩范围以及该色彩梯度范围是根据在一YCbCr色彩空间中的所述多个像素的一色调来确定。

25.根据权利要求1所述的验证方法，其特征是该纹理特征图为一二元边缘图，而该二元边缘图具有用来作为所述多个特征区段中每一特征区段的所述多个纹理数值的多个边缘数值，且该第一纹理数值临界范围是对应于该有效金融票券的多个边缘数值，以及该第二纹理数值临界范围也是对应于该有效金融票券的多个边缘数值。

26.根据权利要求25所述的验证方法，其特征是产生该二元边缘图的步骤还包含：

将所述多个特征区段中的所述多个像素的所述多个灰阶数值与一预定临界数值进行比较；

指定具有高于该预定临界数值的灰阶数值的多个像素具有一第一数值；

指定具有低于该预定临界数值的灰阶数值的多个像素具有一第二数值；以及

将对应于所述多个像素的多个第一数值与多个第二数值映射到该二元边缘图。

27.根据权利要求26所述的验证方法，其特征是对于所述多个特征区段中每一特征区段计算所述多个边缘数值的步骤还包含：

在该二元边缘图的一第一方向中确定数值交替变化的一第一频率；

在该二元边缘图的一第二方向中确定数值交替变化的一第二频率；

在该二元边缘图的一第三方向中确定数值交替变化的一第三频率；

在该二元边缘图的一第四方向中确定数值交替变化的一第四频率；以及

根据该第一频率、该第二频率、该第三频率与该第四频率计算该边缘数值。

28.根据权利要求27所述的验证方法，其特征是还包含：根据在该第一频率、该第二频率、该第三频率与该第四频率中的一最大频率、一最小频率以及该最大频率与该最小频率的一差异来对于所述多个特征区段中每一特征区段计算该纹理特性数值。

29.根据权利要求1所述的验证方法，其特征是对于该纹理判断图中的每一目标对象计算该纹理特性数值的步骤包含：

对于对应于该目标对象的多个验证区段产生所述多个纹理特征数值的一平均数值。

30.根据权利要求1所述的验证方法，其特征是对于该纹理判断图中的每一目标对象计算该纹理特性数值的步骤包含：

对于对应于该目标对象的多个验证区段产生所述多个纹理特征数值的一变异数值。

31.根据权利要求1所述的验证方法，其特征是对于该纹理判断图中的每一目标对象计算该纹理特性数值的步骤包含：

对于对应于该目标对象的多个验证区段产生所述多个纹理特征数值的一平均数值以及一变异数值。

32.根据权利要求1所述的验证方法，其特征是该纹理特征图是为一灰阶特征图，且该灰阶特征图具有用来作为所述多个验证区段中每一验证区段的该纹理特征数值的多个灰阶数值。

33.根据权利要求1所述的验证方法，其特征是该纹理特征图为一对比特征图，且该对比特征图具有用来作为所述多个验证区段中每一验证区段的该纹理特征数值的多个对比数值。

34.根据权利要求1所述的验证方法，其特征是该纹理特征图是为一半色调特征图，且该半色调特征图具有用来作为所述多个验证区段中每一验证区段的该纹理特征数值的多个半色调数值。

35.根据权利要求1所述的验证方法，其特征是对于所述多个目标对象中每一目标对象计算该纹理特性数值的步骤还包含：

使用具有关于所述多个验证区段中每一验证区段的一第二纹理特征数值的一第二纹理特征图。

36.根据权利要求35所述的验证方法，其特征是该第二纹理特征图是为一灰阶特征图，且该灰阶特征图具有用来作为所述多个验证区段中每一验证区段的第二纹理特征数值的灰阶数值。

37.根据权利要求35所述的验证方法，其特征是该第二纹理特征图是为一对比特征图，且该对比特征图具有用来作为所述多个验证区段中每一验证区段的第二纹理特征数值的对比数值。

38.根据权利要求35所述的验证方法，其特征是该第二纹理特征图是为一半色调特征图，且该半色调特征图具有用来作为所述多个验证区段中每一验证区段的第二纹理特征数值的半色调数值。

39.根据权利要求1所述的验证方法，其特征是对于所述多个目标对象中每一目标对象计算该形状特性数值的步骤包含：确定该目标对象的一区域。

40.根据权利要求39所述的验证方法，其特征是另包含有：利用该目标对象的四个边角来确定该目标对象的该区域。

41.根据权利要求1所述的验证方法，其特征是对于所述多个目标对象中每一目标对象计算该形状特性数值的步骤包含：确定在该目标对象中两条不同对角线的中心点之间的一距离。

42.根据权利要求1所述的验证方法，其特征是对于所述多个目标对象中每一目标对象计算该形状特性数值的步骤包含：确定在该目标对象中两条并行线的长度。

43.根据权利要求1所述的验证方法，其特征是对于所述多个目标对象中每一目标对象计算该形状特性数值的步骤包含：利用在该目标对象中的四个角度来确定一内积。

44.根据权利要求1所述的验证方法，其特征是对于所述多个目标对象中每一目标对象计算该形状特性数值的步骤包含：确定该目标对象的一宽度与该目标对象的一高度的一比值。

45.根据权利要求1所述的验证方法，其特征是该第一预设范围是对应于该有效的金融票券的有效的纹理特性数值。

46.根据权利要求1所述的验证方法，其特征是该第二预设范围是对应于该有效的金融票券的有效的形状特性数值。

47.根据权利要求1所述的验证方法，其特征是该金融票券为美国的货币。

48.根据权利要求1所述的验证方法，其特征是该金融票券为日本的货币。

49.根据权利要求1所述的验证方法，其特征是所述多个验证区段为多个区块。

50.根据权利要求1所述的验证方法，其特征是所述多个验证区段是为彼此部分重叠。

Images