CN102722708A - 一种薄片类介质分类方法及其装置 - Google Patents

Abstract

本发明涉及一种图像信息的处理技术，尤其一种依据图像信息对薄片类介质进行快速分类的方法及其装置。该方法包括获得待识别薄片类介质的图像信息；将获得的图像信息依据预设标准图像尺寸进行归一化处理得到待识别图像信息；对待识别图像信息进行特征提取形成特征向量；将该特征向量送入经标准薄片类介质训练好的分类器，得出分类结果；该归一化处理包括如下步骤：判断获得图像信息的尺寸是否小于预设标准图像尺寸，若是，直接返回未知种类薄片类介质而结束，否则计算获得图像信息的几何中心；以该几何中心为中心截取预设标准图像尺寸大小图像信息形成待识别图像信息。该方法能够有效提高不同类别间特征向量的区分度，增强分类器的泛化能力。

Description

一种薄片类介质分类方法及其装置

技术领域

本发明涉及一种图像信息的处理技术，尤其一种依据图像信息对薄片类介质进行快速分类的方法及其装置。

背景技术

在金融领域，为了自动化处理众多的票据，比如将流通过程中大量混叠钞票，银行需要对这些大量混叠的钞票进行分类整理，即钞票的清分操作。为了实现对不同币种、不同面值的钞票进行自动分类处理，目前的解决方案获得需要处理的每一张钞票的图像信息，然后根据图像信息进行分析对比而实现分类。

现有分类技术主要有如下两大类：

一种是根据要处理钞票的标准特征数据，对提取待薄片类介质（下称，待识别对象）的特征逐次与标准特征数据进行匹配，若其相似性满足预先设置的阈值要求，则认为识别对象与该标准特征数据属于同一个类别。此方法要求识别对象特征的物理位置变化较小，且需要较大的存储空间来储存标准特征数据，而且需要逐次匹配，因此识别速度较慢，难以满足快速处理的要求。

另一种是依据标准钞票获得标准特征向量，提取待识别对象的特征组成特征向量，依据相同的分类器进行分类识别，由于目前的钞票不同币种和不同面值的钞票具有不同的尺寸，目前一般通过类似或者等价于相似变换的方法将获得的不同大小的钞票图像映射成相同的大小，得到归一化后的图像。

首先预设一个标准长度L与标准宽度W，传感器采集到钞票图像，将采集钞票图像的实际长度l和实际宽度w，通过类似或者等价于相似变化的方法，归一化为标准长度L与标准宽度W。

若在钞票图像的实际长度l行中按

的比例抽取L行，使其图像行数达到L，重新组成新的钞票图像。

若

在钞票图像的实际长度l行中按

的比例进行插值（插入L-l行），使其图像行数达到L，重新组成新的钞票图像。

若

不对钞票图像长度进行处理。

若

在钞票图像的实际长度w行中按

的比例抽取W行，使其图像宽度达到W，重新组成新的钞票图像。

若

在钞票图像的实际宽度w行中按的比例进行插值（插入W-w行），使其图像宽度达到W，重新组成新的钞票图像。

若

不对钞票图像宽度进行处理。

因为上述方法本质上是一种相似性变换，而同一种钞票的不同面值大多具有比较多的共同图案，只是颜色和大小稍有不同，所以对于使用灰度图像进行钞票识别，这种变换方法无疑缩小了同一币种同一面向不同面值之间特征向量的可区分度。

上述方法要求所提取的特征具有较好的区分度，但是保证所提取特征的区分度都具有稳定的也较好的区分度是不现实的。而且上述无论哪一种技术方案对标准特征数据都具有较强的依赖性，当图像的大小发生一定的变化，所选取特征的位置也会发生变化，从而都会影响到识别效果。

更重要的是，同一币种不同面值的同一面向的图案大致相似，只是细节不同，因此上述的处理技术方案使分类器（如神经网络、支持向量机）依据统一大小的钞票图像上提取特征进行分类变得更加可靠。

发明内容

本发明的目的之一在于提供一种能有效提高不同类别间特征向量的区分度，增强分类器的泛化能力的薄片类介质分类方法。

该种薄片类介质分类方法包括如下现实步骤：

步骤1，获得待识别薄片类介质的图像信息；

步骤2，将获得的图像信息依据预设标准图像尺寸进行归一化处理得到待识别图像信息；

步骤3，对待识别图像信息进行特征提取形成特征向量；

步骤4，将该特征向量送入经标准薄片类介质训练好的分类器，得出分类结果；

步骤5，结束；

其特殊之处在于，步骤2中该归一化处理包括如下步骤：

步骤21，判断获得图像信息的尺寸是否小于预设标准图像尺寸，若是，直接返回未知种类薄片类介质而执行步骤5，否则执行下一步；

步骤22，计算获得图像信息的几何中心；

步骤23，以该几何中心为中心截取预设标准图像尺寸大小图像信息形成待识别图像信息。

优选的，所述预设标准图像尺寸等于标准薄片类介质的最小尺寸。

优选的，所述步骤3，对待识别图像信息进行特征提取形成特征向量，具体包括如下步骤：

步骤31，对待识别图像信息进行特征区域划定；

步骤32，对特征区域进行特征提取形成特征向量。

优选的，所述特征提取采用图像信息的灰度平均、灰度方差、独立分量分析、主成份分析、小波分析、分形分析或遗传算法分析中的一种提取方法。

本发明还提供一种实现薄片类介质快速分类的装置，其包括：

一图像采集部，用以获得待识别薄片类介质的图像信息；

一图像归一化部，用以将获得的图像信息依据预设标准图像尺寸进行归一化处理得到待识别图像信息；

一特征提取部，对待识别图像信息进行特征提取形成特征向量；

一数据存储部，用以存储预设标准图像尺寸数据，标准模板数据以及分类识别过程中需要存储的数据信息。

一识别部，用以对所送入的特征向量进行分类识别；

一分类结果输出部，用以输出识别部得到的分类识别结果；

其特征在于，该图像归一化部包括：

一判断获得图像信息的尺寸是否小于预设标准图像尺寸的判断部，

一获得图像信息的几何中心的计算单元；

一将待识别薄片类介质的图像信息以该几何中心为中心截取预设标准图像尺寸大小图像信息的待识别图像信息生成单元。

优选的，该薄片类介质分类装置还包括薄片类介质的分离传输装置。

优选的，该薄片类介质分类装置还包括薄片类介质的分类堆叠装置。

该薄片类介质分类方法与现有技术对比具有如下优点：

本发明提供的方法根据薄片类介质的水平和垂直中轴线交点为中心向上下左右分别取相同的长度，然后将所选择的图像区域切割下来，得到相同大小的图像，薄片类介质图像上的某些图案可能会被舍弃，这种舍弃可以增加同一币种不同面值特征向量之间的差异，能够有效提高不同类别间特征向量的区分度，增强分类器的泛化能力。

附图说明

图1是本发明所提供的一种薄片类介质快速分类的装置的模块组成图；

图2是本发明所提供的图像归一化部的模块组成图；

图3是本发明所提供的薄片类介质快速分类方法的流程图；

图4是本发明所提供的图像归一化处理流程图；

图5是计算钞票图像信息几何中心的示意图；

图6是以钞票图像的几何中心为中心截取的待识别图像示意图；

图7是采用传统等比例缩小归一化处理示意图；

图8是采用本发明归一化处理后50和100元钞票图像进行特征区域划分示意图；以及

图9是采用传统归一化处理后50和100元钞票图像进行特征区域划分示意图。

具体实施方式

为进一步阐述本发明，以下结合图示介绍本发明的一个优选实施例。

参阅附图1，详细说明该薄片类介质快速分类装置，该薄片类介质快速分类的装置，包括一用以获得待识别薄片类介质的图像信息的图像采集部1；一用以将获得的图像信息依据预设标准图像尺寸进行归一化处理得到待识别图像信息的图像归一化部2；一用以对待识别图像信息进行特征提取形成特征向量的特征提取部3；一用以存储预设标准图像尺寸数据，标准模板数据以及分类识别过程中需要存储的数据信息的数据存储部4；一用以对所送入的特征向量进行分类识别的识别部5；一用以输出识别部得到的分类识别结果的分类结果输出部6。另外，为了实现对大量薄片类介质的自动化连续清分处理，本实施例所提供的薄片类介质快速分类装置还具有自动快速分离传输钞票的分离传输装置6，为了完成对钞票的分类整理，本装置还包括一个分类堆叠装置7，以便对经过识别分类后的不同类钞票进行分别整理以实现自动连续的清分处理。

参阅附图2，该图像归一化部2包括：一用于判断获得图像信息的尺寸是否小于预设标准图像尺寸的判断部21，；一用于获得图像信息的几何中心的计算单元22；一将待识别薄片类介质的图像信息以该几何中心为中心截取预设标准图像尺寸大小图像信息的待识别图像信息生成单元23。

下面以钞票为例对该薄片类介质快速分类装置的快速分类方法进行描述说明，参阅附图3，该薄片类介质分类方法包括如下现实步骤：

S1，获得待识别薄片类介质的图像信息；

S2，将获得的图像信息依据预设标准图像尺寸进行归一化处理得到待识别图像信息；

S3，对待识别图像信息进行特征提取形成特征向量；

S4，将该特征向量送入经标准薄片类介质训练好的分类器，得出分类结果；

S5，结束；

其中具体的归一化处理流程参阅附图4，该归一化处理具体包括如下步骤：

S21，判断获得图像信息的尺寸是否小于预设标准图像尺寸，若是，直接返回未知种类薄片类介质而执行S5，否则执行下一步；

S22，计算获得图像信息的几何中心；

S23，以该几何中心为中心截取预设标准图像尺寸大小图像信息形成待识别图像信息。

为了保证归一化处理图片质量优选的预设标准图像尺寸大小可以处理的标准钞票种类中最小尺寸。而且为了提高计算速度，对待识别图像信息进行特征提取形成特征向量采用如下步骤：

首选对待识别图像信息进行特征区域划定；然后对特征区域进行特征提取形成特征向量。根据标准钞票的尺寸大小，特征区域的划定至少为1块，根据计算系统的处理能力特征区域的划定块数越多越好，但是需要指出的，区域越多计算量也就越大，计算速度也就越长。

另外对特征区域进行特征提取形成特征向量可以使用的提取方法有，图像信息的灰度平均、灰度方差、独立分量分析、主成份分析、小波分析、分形分析或遗传算法分析等提取方法。依据需要达到的精确度以及硬件平台的处理能力可以择优选择上述提取方法中的一种来完成特征提取。

下面对采用本发明所提供的归一化处理方法与传统归一化处理方法处理的50和100元钞票图像信息进行特征提取，以比较说明本方法的优势所在。

采用本发明的归一化处理方法进行的处理步骤如下：

预先设定的标准图像尺寸为长l，宽w，当采集到的钞票图像长度为L，钞票图像宽度为W时，且判断存在L＞l，W＞w，则进行如下步骤：

1.计算获得钞票图像信息的几何中心

如图5；

2.在钞票图像上以钞票图像的几何中心的横坐标

为中心分别在左右两边截取

3.在钞票图像上以钞票图像的几何中心的纵坐标

为中心分别在上下两个方向截取

4.用所截取区域的像素值组成一幅长度为l，宽度为w的图像，得到归一化后的待识别图像信息，如图6。

利用常用钞票图像归一化方法，钞票图像上的图案只会发生一个等比例的缩小得到归一化后的待识别图像信息，如图7所示。

针对50和100元钞票经过上述两种归一化方法处理所得待识别图像进行特征区域划分，分别如图8和9所示，对所得待识别图像信息进行4乘4特征区域分割，对每个特征区域提取钞票图像的灰度特征（还可以采用灰度方差、独立分量分析、主成份分析、小波分析、分形分析或遗传算法分析等其他提取方法）形成特征向量。

下面进一步对比两种面额所取得的特征向量的相关系数，其中相关系数计算公式如下：

$\mathrm{Corr}(X,Y)=\frac{\mathrm{Cov}(X,Y)}{{\mathrm{\σ}}_X\·{\mathrm{\σ}}_Y}$

其中Cor(X,Y)＝E(XY)-E(X)E(Y)为X与Y的协方差，E(XY)，E(X)，E(Y)分别为XY，X，Y的数学期望。

其中，采用传统归一化处理后的50和100元所形成的特征向量X₁和Y₁的相关系数为：

$\mathrm{Corr}(X_1,Y_1)=\frac{\mathrm{Cor}(X_1,Y_1)}{{\mathrm{\σ}}_{X_1}\·{\mathrm{\σ}}_{Y_1}}=0.97969428$

而经过本发明所提供归一化处理后的50和100元所形成的特征向量X₂和Y₂的相关系数为：

$\mathrm{Corr}(X_2,Y_2)=\frac{\mathrm{Cor}(X_2,Y_2)}{{\mathrm{\σ}}_{X_2}\·{\mathrm{\σ}}_{Y_2}}=0.97134872$

比较相关系数Corr(X₁,Y₁)与Corr(X₂,Y₂)可知，采用本发明提供的归一化方法处理后的特征向量的相关系数明显低于采用传统归一化处理后所得特征向量的相关系数。故，采用本发明所述方法，能够有效提高不同类别间特征向量的区分度，增强分类器的泛化能力。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，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。

Claims (7)

1.一种薄片类介质分类方法，其包括如下步骤：

步骤1，获得待识别薄片类介质的图像信息；

步骤2，将获得的图像信息依据预设标准图像尺寸进行归一化处理得到待识别图像信息；

步骤3，对待识别图像信息进行特征提取形成特征向量；

步骤4，将该特征向量送入经标准薄片类介质训练好的分类器，得出分类结果；

步骤5，结束；

其特征在于，步骤2中该归一化处理包括如下步骤：

步骤21，判断获得图像信息的尺寸是否小于预设标准图像尺寸，若是，直接返回未知种类薄片类介质而执行步骤5，否则执行下一步；

步骤22，计算获得图像信息的几何中心；

步骤23，以该几何中心为中心截取预设标准图像尺寸大小图像信息形成待识别图像信息。

2.如权利要求1所述的薄片类介质分类方法，其特征在于，所述预设标准图像尺寸等于标准薄片类介质的最小尺寸。

3.如权利要求1所述的薄片类介质分类方法，其特征在于，所述步骤3，对待识别图像信息进行特征提取形成特征向量，具体包括如下步骤：

步骤31，对待识别图像信息进行特征区域划定；

步骤32，对特征区域进行特征提取形成特征向量。

4.如权利要求3所述的薄片类介质分类方法，其特征在于，所述特征提取采用图像信息的灰度平均、灰度方差、独立分量分析、主成份分析、小波分析、分形分析或遗传算法分析中的一种提取方法。

5.一种薄片类介质分类装置，其包括：

一图像采集部，用以获得待识别薄片类介质的图像信息；

一图像归一化部，用以将获得的图像信息依据预设标准图像尺寸进行归一化处理得到待识别图像信息；

一特征提取部，对待识别图像信息进行特征提取形成特征向量；

一数据存储部，用以存储预设标准图像尺寸数据，标准模板数据以及分类识别过程中需要存储的数据信息。

一识别部，将所提取的特征向量送入分类器进行分类识别；

一分类结果输出部，用以输出识别部得到分类识别结果；

其特征在于，该图像归一化部包括：

一判断获得图像信息的尺寸是否小于预设标准图像尺寸的判断部，

一获得图像信息的几何中心的计算单元；

一将待识别薄片类介质的图像信息以该几何中心为中心截取预设标准图像尺寸大小图像信息的待识别图像信息生成单元。

6.如权利要求5所述的薄片类介质分类装置，其特征在于，其还包括薄片类介质的分离传输装置。

7.如权利要求5或6所述的薄片类介质分类装置，其特征在于，其还包括薄片类介质的分类堆叠装置。

Images