CN103106412B - 薄片类介质识别方法和识别装置 - Google Patents

Abstract

本发明涉及一种薄片类介质识别方法和装置，其中该方法包括：步骤1，采集图像信息；步骤2，从采集的图像信息中分割出待识别对象的图像信息；步骤3，重构特征区域的图像数据，且在重构后的图像数据上提取特征，形成特征向量；以及步骤4，将特征向量送入经过标准数据训练好的分类器，得到识别结果。该方法根据特征区域先验信息进行图像重构，改善图像质量，有利于提高识别正确率，由于仅重构需要提取特征的图像区域，减少了存储空间的消耗，既节省大量存储空间和时间，提高资源利用率，又有效提升了识别正确率，在资源和效率之间达到一个较好的平衡。

Description

薄片类介质识别方法和识别装置

技术领域

本发明涉及基于图像信息的模式识别技术，尤其是一种依据图像信息对薄片类介质进行识别的方法和装置。

背景技术

在基于图像的模式识别领域，首先要利用传感器采集识别的图像，如果图像分辨率不足，识别结果的正确率就会大大降低，特别是在易混淆的识别对象之间，比如，字符识别中的“O”和“D”等，虽然计算机技术日新月异，然而从成本考虑，并不会选取很高端的硬件平台，仅仅是满足实际需求即可，在这样情况下，实际生产过程中，由于硬件之间的差异性及识别空间的多样性就会出现较多易混淆对象识别错误。

现有解决方案一般有两种，一种是升级硬件设备来提高图像分辨率，另一种是改善识别算法来改善识别精度。第一种方法虽然能彻底解决易混淆对象识别错误问题，但这样整幅图像分辨率都会被提高，相应的信息采集设备、存储设备、处理器等都需要升级，会大幅提高生产成本，消弱产品的竞争力；第二种方法采用信号重构技术对所采集的信号进行处理，提高有用信号数据量与噪声数据量的比值，提高信号质量。但是在实际所采集的信号中，有用的信号数据量是远大于噪声数据量，此时对所采集的全部信号进行重构，数据处理量巨大，算法处理速度慢，因此虽然能在一定程度上改善识别精度，但多数情况下效果不理想。

因此提供一种处理速度快，识别精度高的基于图像的符号识别方法在薄片类介质的识别和分类技术领域很重要。

发明内容

本发明的目的之一在于提供一种薄片类介质识别方法，用以鉴别和分类纸币等薄片类介质或有价文件，在图像分辨率不理想的情况下，实现对易混识别对象之间的精准识别。

本发明还提供一种薄片类介质识别装置，通过执行上述识别方法，实现对薄片类介质的精准识别。

该薄片类介质识别方法包括：步骤1，采集图像信息；步骤2，从采集的图像信息中分割出待识别对象的图像信息；步骤3，重构特征区域的图像数据，且在重构后的图像数据上提取特征，形成特征向量；以及步骤4，将特征向量送入经过标准数据训练好的分类器，得到识别结果。

其中，步骤3中重构特征区域的图像数据的方法为：

设待识别对象的图像信息为A，A为m×n的图像，用f(h,w)表示图像A的第h行、第w列元素的灰度值,h＝1,2,…,m,w＝1,2,…,n，需要重构的分辨率更高的m₁×n₁图像为B，用g(i,j)表示图像B的第i行、第j列元素的灰度值，i＝1，2,…,m₁,j＝1,2,…,n₁；

设 $\mathrm{\Δx}=\frac{n_1}{n},$ $\mathrm{\Δy}=\frac{m_1}{m},$ $x=\frac{j}{\mathrm{\Δx}},$ $y=\frac{i}{\mathrm{\Δy}};$

若x，y均是整数,则g(i,j)＝f(y,x)；

若x是非整数,y是整数，取小于x的最大整数w_x，则

g(i,j)＝(w_x+1-x)·f(y,w_x)+(x-w_x)·f(y,w_x+1)（1）式；

若x是整数,y非整数,取小于y的最大整数h_y，则

g(i,j)＝(h_y+1-y)·f(h_y,x)+(y-h_y)·f(h_y+1，x)（2）式；

若x非整数，y非整数，取小于x的最大整数w_x,取小于y的最大整数h_y，则

g(i,j)＝(h_y+1-y)·((w_x+1-x)·f(h_y,w_x)+(x-w_x)·f(h_y,w_x+1))+（3）式。

(y-h_y)·((w_x+1-x)·f(h_y+1,w_x)+(x-w_x)·f(h_y+1,w_x+1))

另外，步骤3中特征提取方法包括：步骤31，首先设矩阵 $\left(\begin{array}{ccc}{a}_{11}& ...& a_{1n}\\ ...& ...& ...\\ a_{m1}& ...& a_{\mathrm{mn}}\end{array}\right)$ 表示一幅二维灰度图像数据A，a_ij表示图像数据中第i行、第j列一个像素点的灰度值，其中i＝1,2,…,m，j＝1,2,…,n，设Boxst＝{box₁,box₂,…,box_n}，其中，每一个box_i表示图像数据A中需要提取特征的第i个图像区域，获取Boxlist列表里的一个box_i；步骤32，获取box_i指定的图像特征区域数据 $B_i=\left(\begin{array}{ccc}{b}_{11}& ...& b_{1q}\\ ...& ...& ...\\ b_{p1}& ...& b_{\mathrm{pq}}\end{array}\right);$ 步骤33，重构特征区域数据B_i得到 $C_i=\left(\begin{array}{ccc}{c}_{11}& ...& c_{1t}\\ ...& ...& ...\\ c_{u1}& ...& c_{\mathrm{ut}}\end{array}\right),$ 并存储到指定位置，其中t＞q，u＞p；步骤34，判断是否完成所有特征区域重构，若是，执行步骤35，若否，重复步骤31至步骤33，得到一组图像区域C₁,C₂,…,C_n；以及步骤35，在图像区域C₁,C₂,…,C_n上提取所需特征，组成特征向量β₁,β₂,…,β_n。

该薄片类介质识别装置包括：一图像采集部，用以获得待识别薄片类介质的图像信息；一图像分割部，用以实现对薄片类介质图像的自适应分割；一特征区域重构部，用以实现对特征区域图像进行重构，并将重构后的特征区域图像数据储存到指定位置；一特征提取部，用以在重构后的特征区域图像上提取特征，形成特征向量；一数据存储部，用以存储预先设定特征区域位置信息和标准模板数据；一识别部，用以对送入的特征向量进行分类识别；以及一识别结果输出部，用以输出识别部得到的分类识别结果。

本发明提供的薄片类介质识别方法根据特征区域先验信息进行图像重构，改善图像质量，有利于提高识别正确率，由于仅重构需要提取特征的图像区域，减少了存储空间的消耗，既节省大量存储空间和时间，提高资源利用率，又有效提升了识别正确率，在资源和效率之间达到一个较好的平衡。

附图说明

图1是图像数据重构前示意图；

图2是图像数据重构后示意图；

图3是特征区域图像重构流程图；

图4是薄片类介质识别方法流程图；

图5是特征区域图像重构效果图；

图6是薄片类介质识别装置结构图；

图7薄片类介质识别装置采集薄片类介质信号示意图；

图8是薄片类介质与背景分割示意图；以及

图9是采用升级硬件方法前后所采集薄片类介质信号对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例以人民币50元为识别对象，对薄片类介质识别方法和识别装置进行描述说明，参阅附图4，该薄片类介质识别方法包括如下步骤：

步骤1，采集图像信息，所采集的图像信息如图7所示；

步骤2，从采集的图像信息中分割出待识别对象的图像信息，如图8所示；

步骤3，重构特征区域的图像数据，如图5所示，且在重构后的图像数据上提取特征，形成特征向量；

步骤4，将特征向量送入经过标准数据训练好的分类器，得到识别结果；

步骤5，结束。

其中，步骤3中重构特征区域的图像数据的方法为：

设待识别对象的图像信息为A，A为m×n的图像，f(h,w)表示图像A的第h行、第w列元素的灰度值,h＝1,2,…,m,w＝1,2,…,n，需要重构一幅分辨率更高的m₁×n₁图像B，g(i,j)表示图像B的第i行、第j列元素的灰度值，i＝1,2,…,m₁,j＝1,2,…,n₁；

设 $\mathrm{\Δx}=\frac{n_1}{n},$ $\mathrm{\Δy}=\frac{m_1}{m},$ $x=\frac{j}{\mathrm{\Δx}},$ $y=\frac{i}{\mathrm{\Δy}};$

若x，y均是整数,则g(i,j)＝f(y,x)；

若x是非整数,y是整数，取小于x的最大整数w_x，则

g(i,j)＝(w_x+1-x)·f(y,w_x)+(x-w_x)·f(y,w_x+1)（1）式；

若x是整数,y非整数,取小于y的最大整数h_y，则

g(i,j)＝(h_y+1-y)·f(h_y,x)+(y-h_y)·f(h_y+1,x)（2）式；

若x非整数，y非整数，取小于x的最大整数w_x,取小于y的最大整数h_y，则

g(i,j)＝(h_y+1-y)·((w_x+1-x)·f(h_y,w_x)+(x-w_x)·f(h_y,w_x+1))+（3）式；

(y-h_y)·((w_x+1-x)·f(h_y+1,w_x)+(x-w_x)·f(h_y+1,w_x+1))

如图1所示的图像经上述方法重构后得到图2所示的图像。

参阅附图3，步骤3中特征提取方法具体步骤如下：

步骤31，首先设矩阵 $\left(\begin{array}{ccc}{a}_{11}& ...& a_{1n}\\ ...& ...& ...\\ a_{m1}& ...& a_{\mathrm{mn}}\end{array}\right)$ 表示一幅二维灰度图像数据A,a_ij表示图像数据中第i行、第j列一个像素点的灰度值，其中i＝1,2,…,m，j＝1,2,…,n，设Boxlist＝{box₁,box₂,…,box_n}，其中，每一个box_i表示图像数据A中需要提取特征的第i个图像区域，获取Boxlist列表里的一个box_i；

步骤32，获取box_i指定的图像特征区域数据 $B_i=\left(\begin{array}{ccc}{b}_{11}& ...& b_{1q}\\ ...& ...& ...\\ b_{p1}& ...& b_{\mathrm{pq}}\end{array}\right),$

步骤33，重构特征区域数据B_i得到 $C_i=\left(\begin{array}{ccc}{c}_{11}& ...& c_{1t}\\ ...& ...& ...\\ c_{u1}& ...& c_{\mathrm{ut}}\end{array}\right),$ 并存储到指定位置，其中t＞q，u＞p；

步骤34，判断是否完成所有特征区域重构，若是，执行步骤35，若否，重复步骤31至步骤33，得到一组图像区域C₁,C₂,…,C_n；以及

步骤35，在图像区域C₁,C₂,…,C_n上提取所需特征，组成特征向量β₁,β₂,…,β_n。

在本实施方式中，利用特征区域的先验坐标信息，利用本实施例提供的图像重构方法，在薄片类介质识别过程中，重构特征区域图像，提高信噪比，在不改变硬件资源的情况下，提高识别正确率。

参阅附图6，本实施例所述的薄片类介质识别装置包括：

一图像采集部，用以获得待识别薄片类介质的图像信息；

一图像分割部，用以实现对薄片类介质图像的自适应分割；

一特征区域重构部，用以实现对特征区域图像进行重构，并将重构后的特征区域图像数据储存到指定位置；

一特征提取部，用以在重构后的特征区域图像上提取特征，形成特征向量；

一数据存储部，用以存储预先设定特征区域位置信息，标准模板数据以及识别过程中所需要的其他必要数据信息；

一识别部，用以对送入的特征向量进行分类识别；

一识别结果输出部，用以输出识别部得到的分类识别结果。

本发明提供的薄片类介质识别方法根据特征区域先验信息进行图像重构，改善图像质量，有利于提高识别正确率，由于仅重构需要提取特征的图像区域，减少了存储空间的消耗，既节省大量存储空间和时间，提高资源利用率，又有效提升了识别正确率，在资源和效率之间达到一个较好的平衡。该薄片类介质识别装置为该识别方法提供了硬件和算法的支持。

惟以上所述仅为本发明的较佳实施例，非意欲局限本发明的专利保护范围，故举凡运用本发明说明书及图式内容所为的等效变化，均同理皆包含于本发明的权利保护范围内。

Claims (4)

1.一种薄片类介质识别方法包括：

步骤1，采集图像信息；

步骤2，从采集的图像信息中分割出待识别对象的图像信息；

步骤3，重构特征区域的图像数据，且在重构后的图像数据上提取特征，形成特征向量；以及

步骤4，将特征向量送入经过标准数据训练好的分类器，得到识别结果，

其特征在于，步骤3中重构特征区域的图像数据的方法为：

设待识别对象的图像信息为A，A为m×n的图像，用f(h,w)表示图像A的第h行、第w列元素的灰度值,h＝1,2,…,m,w＝1,2,…,n，需要重构的分辨率更高的m₁×n₁图像为B，用g(i,j)表示图像B的第i行、第j列元素的灰度值，i＝1,2,…,m₁,j＝1,2,…,n₁；

设

若x，y均是整数,则g(i,j)＝f(y,x)；

若x是非整数,y是整数，取小于x的最大整数w_x，则

g(i,j)＝(w_x+1-x)·f(y,w_x)+(x-w_x)·f(y,w_x+1)；

若x是整数,y非整数,取小于y的最大整数h_y，则

g(i,j)＝(h_y+1-y)·f(h_y,x)+(y-h_y)·f(h_y+1,x)；

若x非整数，y非整数，取小于x的最大整数w_x,取小于y的最大整数h_y，则

g(i,j)＝(h_y+1-y)·((w_x+1-x)·f(h_y,w_x)+(x-w_x)·f(h_y,w_x+1))+(y-h_y)·((w_x+1-x)·f(h_y+1,w_x)+(x-w_x)·f(h_y+1,w_x+1))。

2.如权利要求1所述的薄片类介质识别方法，其特征在于，步骤3中特征提取方法包括：

步骤31，首先设矩阵表示一幅二维灰度图像数据A，a_ij表示图像数据中第i行、第j列一个像素点的灰度值，其中i＝1,2,…,m，j＝1,2,…,n，设Boxlist＝{box₁,box₂,…,box_n}，其中，每一个box_i表示图像数据A中需要提取特征的第i个图像区域，获取Boxlist列表里的一个box_i；

步骤32，获取box_i指定的图像特征区域数据

步骤33，重构特征区域数据B_i得到并存储到指定位置，其中t＞q，u＞p；

步骤34，判断是否完成所有特征区域重构，若是，执行步骤35，若否，重复步骤31至步骤33，得到一组图像区域C₁,C₂,…,C_n；以及

步骤35，在图像区域C₁,C₂,…,C_n上提取所需特征，组成特征向量β₁,β₂,…,β_n。

3.一种薄片类介质识别装置包括：

一图像采集部，用以获得待识别薄片类介质的图像信息；

一图像分割部，用以实现对薄片类介质图像的自适应分割；

一特征区域重构部，用以实现对特征区域图像进行重构，并将重构后的特征区域图像数据储存到指定位置；

一特征提取部，用以在重构后的特征区域图像上提取特征，形成特征向量；

一数据存储部，用以存储预先设定特征区域位置信息和标准模板数据；

一识别部，用以对送入的特征向量进行分类识别；以及

一识别结果输出部，用以输出识别部得到的分类识别结果，

其特征在于：所述特征区域重构部对特征区域图像进行重构方法为：

设待识别对象的图像信息为A，A为m×n的图像，用f(h,w)表示图像A的第h行、第w列元素的灰度值,h＝1,2,…,m,w＝1,2,…,n，需要重构的分辨率更高的m₁×n₁图像为B，用g(i,j)表示图像B的第i行、第j列元素的灰度值，i＝1,2,…,m₁,j＝1,2,…,n₁；

设

若x，y均是整数,则g(i,j)＝f(y,x)；

若x是非整数,y是整数，取小于x的最大整数w_x，则

g(i,j)＝(w_x+1-x)·f(y,w_x)+(x-w_x)·f(y,w_x+1)；

若x是整数,y非整数,取小于y的最大整数h_y，则

g(i,j)＝(h_y+1-y)·f(h_y,x)+(y-h_y)·f(h_y+1,x)；

若x非整数，y非整数，取小于x的最大整数w_x,取小于y的最大整数h_y，则

g(i,j)＝(h_y+1-y)·((w_x+1-x)·f(h_y,w_x)+(x-w_x)·f(h_y,w_x+1))+(y-h_y)·((w_x+1-x)·f(h_y+1,w_x)+(x-w_x)·f(h_y+1,w_x+1))。

4.如权利要求3所述的薄片类介质识别装置，其特征在于，所述特征提取部对重构后的特征区域图像上提取特征的方法为：

步骤31，首先设矩阵表示一幅二维灰度图像数据A，a_ij表示图像数据中第i行、第j列一个像素点的灰度值，其中i＝1,2,…,m，j＝1,2,…,n，设Boxlist＝{box₁,box₂,…,box_n}，其中，每一个box_i表示图像数据A中需要提取特征的第i个图像区域，获取Boxlist列表里的一个box_i；

步骤32，获取box_i指定的图像特征区域数据

步骤33，重构特征区域数据B_i得到并存储到指定位置，其中t＞q，u＞p；

步骤34，判断是否完成所有特征区域重构，若是，执行步骤35，若否，重复步骤31至步骤33，得到一组图像区域C₁,C₂,…,C_n；以及

步骤35，在图像区域C₁,C₂,…,C_n上提取所需特征，组成特征向量β₁,β₂,…,β_n。