CN102222384B - 纸币多光谱图像分析方法 - Google Patents

Abstract

本发明提供一种纸币多光谱图像分析方法，包括：首先对采集的人民币多光谱图像进行预处理；然后通过快速块映射的方法对有效区域进行明暗输出补偿，得到清晰的局部区域；通过自定义区域对的方法，构造特征向量，计算该特征向量与标准参考向量的相关系数，根据向量间的相关性进行鉴伪。另外，提出了综合的冠字号识别方法，提高了冠字号识别的准确度。本发明所述方法可明显地提高人民币鉴伪速度和冠字号识别精度。

Description

纸币多光谱图像分析方法

技术领域

本发明涉及一种基于多光谱图像的新型多功能验钞机，属于验钞机领域。

背景技术

中国的现金流通量非常之高，不同版本，不同面额，不同新旧的纸币混合在市面上，加之各种伪钞的出现，使现金流通变得更复杂和不安全。目前市场上的验钞机对这些混合的人民币不能很好的识别。因此，研究开发高效成熟的人民币鉴伪、识别的新型验钞机非常紧要，直接关系到金融的安全和秩序。

一般的验钞机采用人民币的磁性特征，紫外特征，红外透射特征等进行鉴伪。实现起来价格便宜，技术简便，但难以提高鉴别越发逼真的伪币。

发明内容

本发明所要解决的技术问题是：提供一种纸币多光谱图像分析方法，该方法能在多光谱下快速稳定地鉴别人民币和识别冠字号，并且可以管理人民币多光谱图像。本方法利用多光谱图像与自定义区域的特征提取的方法对人民币进行鉴伪，能够快速而有效地识别人民币真伪，提高鉴别能力和速度；同时用多种方法对冠字号独立识别，识别结果采取优先的投票原则，提高对冠字号识别的准确性；同时用网络接口上传多光谱人民币图像到客服端，利于人民币相应管理。

本发明所采取的技术方案是：纸币多光谱图像分析方法，包括：首先对多光谱采集的人民币图像进行预处理；然后通过快速块映射的方法对有效区域进行明暗输出补偿，得到清晰的局部区域；最后通过自定义区域对的方法，构造特征向量，计算该特征向量与标准参考向量的相关系数，根据向量间的相关性进行鉴伪。

进一步地，对人民币多光谱图像进行预处理之后，还通过多种方法对人民币的冠字号进行识别。

进一步地，对人民币进行鉴伪和冠字号识别之后，还按照需求，将多光谱图像上传给计算机。

进一步地，多光谱采集人民币图像及预处理的步骤为：首先DSP获取纸币的磁信号和纸币进出时红外对管的信号，根据需要控制光源的光谱，得到纸币的红外图像和可见光的图像，同时判断出纸币的朝向；获取人民币图像后，进行纸币顶点检测。

进一步地，纸币顶点检测的方法为：

S101)获取候选关键边缘点：根据纸币朝向，将图像的宽度表示为w，同时考虑有些钞票的角部损坏，将纸币的上边缘扫描范围设定为从w₁列到w₂列；然后从图像上边缘的第w₁列开始扫描，从第一行向下扫描直到上下点灰度值超过阈值th的位置，记下此位置下面的点为上边缘点，其坐标为(x₁，y₁)；接着间隔m列，从第w₁+m列向下开始扫描，记录第二个上边缘点(x₂，y₂)，如此进行，直至扫描到第w₂列，从而得到候选的关键上边缘点集合{(x₁，y₁)，(x₂，y₂)......(x_k，y_k)}，其中k为上边缘点个数；以同样的方法获取其它三条边的候选边缘点集合；

S102)计算关键边缘点：对候选上边缘点集合，计算一定间隔的上边缘点点对的斜率，然后对计算得到的所有斜率值进行排序，挑出中间的斜率值对应的候选上边缘点(点数占候选上边缘点集合的80％)，滤掉斜率值过大和过小的候选上边缘点(滤掉的点占候选上边缘点集合的20％)，从而找到对应的上边缘点集合{(x₁，y₁)，(x₂，y₂)......(x_k-n，y_k-n)}，其中n为滤掉的点数；以同样的方法获取其它三条边的关键边缘点集合；

S103)计算顶点位置：根据四条边的关键边缘点集合，用最小二乘法计算出四条边的直线的参数，最后由四条边缘直线，计算出人民币顶点的位置。

进一步地，快速块映射的方法为：将传感器每个点的输出进行校正，得到等效的灰度值存在表中；然后映射所需要的区域块中像素点到灰度值表中的索引，得到校正后的灰度值图像。

进一步地，对自定义区域进行比对鉴伪的步骤包括：首先在块映射后的区域中自定义任意形状的区域，即选择合适的人民币图案；然后对每个自定义区域中的像素点用同一个数字标识，表示它们是属于同一个区域；接着对自定义区域用游程编码压缩；然后对关键区域的纹理特征进行识别，得到纸币的面额；最后选择区域对，构造特征向量，进行相关系数计算来实现纸币鉴伪。

进一步地，对冠字号进行识别的方法包括分块均值和跳变值法、骨架提取法和局部二值模式法；通过这些方法计算候选字符后，还根据投票原则和识别率优先的原则，综合识别结果获取冠字号。

本发明的有益效果是：

(1)提高了验钞的速度。由于传统的方法往往是对整张图片进行明暗输出补偿，本方法对关键区域进行补偿而得到清晰的局部区域。然后再自定义区域进行游程编码。

(2)提供了有效的特征提取的方法，进行以假鉴真的相关系数计算。

(3)本发明用多种算法相结合，提高了冠字号识别的准确性。

(4)本发明可以将多光谱图像上传，便利人民币管理和分析。

附图说明

图1为本发明块映射示意图。

图2为本发明冠字号识别示意图。

图3为本发明实施例的整个流程示意图。

具体实施方式

本发明在现有的技术条件上，加上基于多光谱图像的快速鉴伪方法会明显提高人民币的鉴伪能力，并且识别出人民币上的冠字号；同时还可以上传人民币多光谱图像，有助于对人民币的现场记录和相应处理。

以下结合附图和实施例对本发明做进一步的说明。

本发明要解决以下几个问题：

(1)提供人民币预处理的快速方法，包括人民币顶点检测和利用。块映射对有效区域进行明暗输出补偿，得到清晰的局部图片。

(2)提供利用游程编码对自定义区域压缩和访问的方法，即在局部图片中定义有效的防伪区域，用游程编码的方式加快对其压缩和访问。利用区域对构造特征，进行相关系数计算来鉴伪。

(3)利用多种方法相融合的思路，提高对人民币冠字号识别的精度。包括分块均值和跳变值方法，骨架提取的方法，局部二值模式方法对冠字号进行识别，最终冠字号识别是融合多种方法的结果。

(4)最后可以按照需求，将多光谱图像上传，方面人民币管理和分析。

本发明的技术思路是：利用传感器(如电荷耦合元件CCD或接触式传感器CIS等)获取多光谱图像，利用关键点的最小二乘法检测人民币顶点，然后用块映射的方法对信号进行明暗输出补偿，得到清晰的感兴趣区域的人民币图像。从感兴趣区域中挑选出关键块用来识别人民币的面额，接着自定义有效区域，用游程编码对区域进行压缩存取，方便后续的快速访问。接着用区域对提取特征，构成特征向量。最后特征向量与预先假币特征向量进行相关系数计算，实现人民币的鉴伪功能。另一方面，定位可见光图像中的包含冠字号的区域，进行二值化，以及利用投影进行字符分割处理。然后分别用多种不同的方法对冠字号进行识别，最后采取优先的投票原则，对冠字号进行识别。最后，采用DSP板上的网络接口，将所需的多光谱图像上传。

本发明的工作原理是：本发明有以下四个技术关键点：利用块映射的方法对有效区域进行明暗输出补偿；利用游程编码的对自定义区域压缩和访问；利用区域对构造特征，进行相关系数计算来鉴伪；利用多种不同的方法包括基于分块均值和跳变值方法，基于骨架提取的方法，和基于局部二值模式方法对冠字号进行识别，优先的投票决策得到最好的识别结果。

本发明实施如下：主要包括四个方面的内容：顶点检测和局部有效区域的快映射、自定义区域的游程编码和区域对的特征向量相关系数计算、多种方法融合的冠字号识别以及多光谱图像的上传。

一、顶点检测和局部有效区域的块映射

首先DSP获取纸币的磁信号和纸币进出时红外对管的信号，控制多光谱的产生，得到纸币的红外图像和可见光的图像，同时可以判断出纸币的朝向。获取图像后，进行纸币顶点检测。采取先检测纸币的四条边，然后计算四个交点即为纸币的顶点位置。计算步骤如下：

(1)得到候选关键边缘点。考虑到有些钞票的角部损坏，图像的宽度表示为w，纸币的上边缘扫描从w₁到w₂的区域内。扫描从图像的第w₁列开始，从第一行向下扫描直到上下点灰度值超过阈值th的位置，记下此位置下面的点为上边缘点，坐标为(x1，y1)；接着间隔m列，从第w1+m列向下开始扫描，遇到第二个边缘点(x2，y2)，如此进行，得到关键的上边缘点集合{(x1，y1)，(x2，y2)......(xk，yk)}。其它三条边的原理类似。

(2)计算顶点位置。以上边缘为例，计算一定间隔的边缘点对的k值(斜率)。因为k值有波动，对这些k值进行排序，挑出中间的k值，找到对应的边缘点集合{(x1，y1)，(x2，y2)......(xk-n，yk-n)}，其中n为滤掉的点数，这些是真正的关键边缘点。然后用最小二乘法计算出直线的参数。最后由四条边直线，计算出人民币顶点的位置。

对局部有效区域的块映射，指得到明暗输出补偿校正的清晰图像。首先将CIS每个点输出校正，得到等效的灰度值存在表中。而块映射指映射所需要的区域块的图像，到表中索引，得到校正后的灰度值图像。设原图像为I₁，映射块A，归一化的标准图图像为I₂，映射块B。映射的方法：计算块B在I₂的坐标比例，在I₁中计算相同的比例，得到A块。见示意图1。

二、自定义区域的游程编码和区域对的特征向量相关系数计算

由块映射得到清晰的块区域，接着在块区域中自定义任意形状的区域，即选择合适的人民币图案。每个自定义区域中的像素点用同一个数字标识，表示它们是属于同一个区域。自定义区域用游程编码压缩，如区域[0 0 1 1 1 0；1 1 1 0 0 0]，其中“1”表示自定义区域，游程编码为021301；1303。此编码可以减少存贮空间，并且访问该区域时可以加快速度。

然后选择关键区域用来识别纸币的面额。利用关键区域的纹理特征如均值，梯度直方图等，容易得到纸币的面额。

最后选择区域对，构造特征向量，进行纸币鉴伪。首先形成假币模板的特征向量，如区域对的均值差或其它特征(方差和灰度共生矩阵等)计算特征向量。

$S=\left[\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}(f_a\left(i\right)-\stackrel{\‾}{f_a})(f_b\left(i\right)-\stackrel{\‾}{f_b})\right]/\left[\sqrt{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{(f_a\left(i\right)-\stackrel{\‾}{f_a})}^2\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{(f_b\left(i\right)-\stackrel{\‾}{f_b})}^2}\right]$

其中f_a(i)是模板的特征向量，

是模板特征向量的均值；其中f_b(i)是待鉴人民币的特征向量，

是待鉴人民币特征向量的均值；S是相关系数，N为特征向量数。待鉴人民币的特征向量与假币模板的特征向量的相关系数超过判断门限就认为它与假币匹配，即判断为假币；否则为真币。

三、多种方法融合的冠字号识别

冠字号的识别可以现场记下流通的人民币，方便人民币的管理和监督。首先定位冠字号的区域，容易在可见光图像中定位冠字号的区域。接着是用水平和垂直投影的方法分割出冠字号单个字符，并将字符归一化到统一大小。这是后面的冠字号识别的预处理步骤。以下有三种不同的方法实现冠字号的识别。

A.分块均值和跳变值方法识别冠字号

将每个字符进行二值化处理，得到字符的二值化图像。1、将字符分成M*N块(M为宽度，N为高度)，计算每块的“1”的个数。2、分别水平和垂直扫描每行图像，记录“0”和“1”之间跳变的次数。3、将分块均值和跳变次数构成特征向量。

因此，预先存字符模板的特征向量。输入冠字号字符时，与标准模板进行比较；用最近邻距离判决字符，挑选出距离小的前两个字符作为候选字符。

B.骨架提取的方法识别冠字号

物体的形状可以用它的骨架来描述，所以提取冠字号中字符的骨架，它可以清楚地描述字符的结构。所以采取将冠字号骨架化，然后进行字符识别。提取骨架的方法很多，如可以用小波的方法在字符灰度图上提取骨架；或字符二值化后，用形态学的方法提取骨架等。

初步提取骨架后，需要有进一步的去噪步骤，即消除骨架上的毛刺，得到较好视觉效果的骨架。最后根据字符笔画特征，包括是否有封闭环、横竖笔画的位置、分叉点类型。提取这些特征参数，把它们构成特征向量。

预先计算出字符模板的特征向量。输入冠字号字符时，与标准模板进行比较；用最近邻距离判决字符，挑出距离小的前两个字符作为候选字符。

C.局部二值模式方法识别冠字号

该方法直接在灰度图上进行处理，不需要额外的二值化操作。可以快速进行冠字号识别。传统的局部二值模式(LBP)的方法用在冠字号识别上有很好效果。因为LBP有256种模式，它提取的特征反映了局部纹理元之间的关系。用到的LBP的算子是一个3*3大小的矩阵。将四周的8个像素点灰度值与中心象素点灰度值相比较，大于或等于中心灰度值的象素点标定为1，反之标定为0；再顺时针读出的这8个二进制值，把它作为中心点的特征值。LBP运算公式为：

$\mathrm{LBP}=\underset{i=0}{\overset{7}{\mathrm{\Σ}}}p(g_i-g_c)2^i$

其中p(·)是指示函数，g_c表示局部区域的中心点的灰度值，g_i为中心点周围等距分布的点的灰度值。LBP算子具有灰度不变性，有一定的抗干扰的能力。将原始图像进行LBP运算后分为若干个小区域，计算每个区域的直方图，横向形成特征向量。也预先存字符模板的特征向量。输入待识别的冠字号字符，将计算的特征向量与标准模板进行比较，用卡方距离判决字符，挑出距离小的前两个字符作为候选字符。

三种方法独立识别出各自的两个候选字符，用投票的原则加上最好识别率优选的原则，综合给出字符的识别结果。冠字号的识别示意图见图2。

四、最后利用DSP板上的网络接口将多光谱图像上传，助于人民币的管理和分析。

本发明利用多光谱图像进行快速人民币鉴伪和上传图像，也可以同时获得冠字号。该发明中用的块映射，游程编码，相关计算都有效提高了鉴伪速度和识别率。多种冠字识别方法结合，也提高了冠字号识别的准确度，并且实现的效率很高。该发明能有效的鉴伪和上传人民币的多光谱图像，有版本和面额识别以及冠字号识别等功能，可以有效地进行人民币管理。

实施例：

下面以第五套人民币100元纸币为例说明钞票的具体识别过程。当纸币进入验钞机，利用磁信号和红外对管判断出纸币的朝向，并获取图像。接着进行纸币顶点检测，采取先检测纸币的四条边，然后计算四个交点即为纸币的顶点位置。先检测上边缘，假如钞票图像宽度是1440个像素点，那么可以从第480列到960列为纸币的有效上边缘。然后每间隔10列，就从上而下扫描寻找梯度突变的位置，将该像素点作为边缘点。接着计算前后边缘点的斜率，并将斜率排序挑出斜率相一致的边缘点。最后用这些关键的边缘点进行直线拟合，得到上边缘的直线方程。按照同样的方法计算出另外三条边缘的直线方程，从而得到纸币的顶点位置。

将CIS每个点输出校正，得到等效的灰度值存在表中，映射所需要的区域块中图像的灰度值，到表中索引，得到校正后的灰度值图像。选择局部有效区域，然后进行块映射，得到补偿过的清晰图像。随后，选择关键区域的特征(均值，方差，梯度直方图)用来识别纸币的面额。接着在块区域中自定义任意形状的区域，选择合适的人民币图案作为防伪图案，如人民大会堂等。每个自定义区域中的像素点用同一个数字表示它们是属于同一个区域，并用游程编码压缩来减少存贮空间和加速访问该区域。最后选择区域对，构造特征向量(方差和灰度共生矩阵等)，与预先存储的真假纸币的特征向量进行相关系数计算，如果相关系数大于阈值就判断为假币，实现钞票真伪的判断。

冠字号的识别过程如下，首先进行冠字号识别的预处理步骤，定位冠字号的区域(冠字号在纸币的正面的左下或右上)，接着是用水平和垂直投影的找到投影的峰值，分割得到冠字号单个字符，并将字符归一化到统一大小(如24*18大小)。以下有三种不同的方法实现冠字号的识别。方法1将冠字号图像二值化，统计每行和每列的跳变值次数组成特征向量v1，然后将字符分块，统计每块中“1”的个数，将它们组成特征向量v2，最后将总的特征向量为[v1 v2]。预先存字符模板的特征向量，输入冠字号字符时，与标准模板进行比较；用最近邻距离判决字符，挑选出距离小的前两个字符作为候选字符。方法2首先初步提取字符骨架，并进一步采用去噪步骤来消除骨架上的毛刺，得到比较平滑的骨架。然后提取封闭环、横竖笔画的位置、分叉点类型作为特征向量。输入冠字号字符时，与标准模板进行比较；用最近邻距离判决字符，挑出距离小的前两个字符作为候选字符。方法3将原始图像进行LBP运算后分为若干个小区域，计算每个区域的直方图，将统计直方图作为特征向量。输入待识别的冠字号字符，将计算的特征向量与标准模板进行比较，用卡方距离判决字符，挑出距离小的前两个字符作为候选字符。最后综合三种识别算法的结果，考虑每种识别方法的两个候选字符，第一候选字符比第二候选字符优先，算法识别率高的候选字符优先，最后采取投票的方法(即权重不同)判断最终的字符结果。

Claims (3)

1.纸币多光谱图像分析方法，其特征在于包括：首先对采集的人民币多光谱图像进行预处理；对人民币多光谱图像进行预处理之后，还通过多种方法对人民币的冠字号进行识别；然后通过快速块映射的方法对有效区域进行明暗输出补偿，得到清晰的局部区域；最后通过自定义区域对的方法，构造特征向量，计算该特征向量与标准参考向量的相关系数，根据向量间的相关性进行鉴伪；

采集人民币多光谱图像及预处理的步骤具体为：首先DSP获取纸币的磁信号和纸币进出时红外对管的信号，根据需要控制光源的光谱，得到纸币的红外图像和可见光的图像，同时判断出纸币的朝向；获取人民币图像后，进行纸币顶点检测；

纸币顶点检测的方法为：

S101）获取候选关键边缘点：根据纸币朝向，将图像的宽度表示为w，同时考虑有些纸币的角部损坏，将纸币的上边缘扫描范围设定为从w₁列到w₂列；然后从图像上边缘的第w₁列开始扫描，从第一行向下扫描直到上下像素点灰度值超过阈值th的位置，记下此位置下面的点为上边缘点，其坐标为(x₁，y₁)；接着间隔m列，从第w₁+m列向下开始扫描，记录第二个上边缘点(x₂，y₂)，如此进行，直至扫描到第w₂列，从而得到候选的关键上边缘点集合{(x₁，y₁),(x₂，y₂)......(x_k，y_k)}，其中k为上边缘点个数；以同样的方法获取其它三条边的候选边缘点集合；

S102）计算关键边缘点：对候选上边缘点集合，计算一定间隔的上边缘点点对的斜率，然后对计算得到的所有斜率值进行排序，挑出中间的斜率值对应的候选上边缘点，滤掉斜率值过大和过小的候选上边缘点，从而找到对应的上边缘点集合{(x₁，y₁),(x₂，y₂)......(x_k-n，y_k-n)}，其中n为滤掉的点数；以同样的方法获取其它三条边的关键边缘点集合；

S103）计算顶点位置：根据四条边的关键边缘点集合，用最小二乘法计算出四条边的直线的参数，最后由四条边缘直线，计算出人民币顶点的位置；

对冠字号进行识别的方法包括分块均值和跳变值法、骨架提取法和局部二值模式法；通过这些方法计算候选字符后，还根据投票原则和识别率优先的原则，综合识别结果得到冠字号；

对自定义区域进行比对鉴伪的步骤具体包括：首先在块映射后的区域中自定义任意形状的区域，即选择合适的人民币图案；然后对每个自定义区域中的像素点用同一个数字标识，表示它们是属于同一个区域；接着对自定义区域用游程编码压缩；然后对关键区域的纹理特征进行识别，得到纸币的面额；最后选择区域对，构造特征向量，进行相关系数计算来实现纸币鉴伪。

2.根据权利要求1所述的方法，其特征在于：对人民币进行鉴伪和冠字号识别之后，还按照需求，将多光谱图像上传给计算机。

3.根据权利要求1所述的方法，其特征在于，快速块映射的方法为：将传感器每个点的输出进行校正，得到等效的灰度值存在表中；然后映射所需要的区域块中像素点到灰度值表中的索引，得到校正后的灰度值图像。

Images