CN103377509A - 缺损分类 - Google Patents

缺损分类 Download PDF

Info

Publication number
CN103377509A
CN103377509A CN2012103891545A CN201210389154A CN103377509A CN 103377509 A CN103377509 A CN 103377509A CN 2012103891545 A CN2012103891545 A CN 2012103891545A CN 201210389154 A CN201210389154 A CN 201210389154A CN 103377509 A CN103377509 A CN 103377509A
Authority
CN
China
Prior art keywords
spot
identifies
damaged
medium project
bight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012103891545A
Other languages
English (en)
Other versions
CN103377509B (zh
Inventor
陈萍
何超
佳里·罗斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NCR Voyix Corp
Original Assignee
NCR Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NCR Corp filed Critical NCR Corp
Publication of CN103377509A publication Critical patent/CN103377509A/zh
Application granted granted Critical
Publication of CN103377509B publication Critical patent/CN103377509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/2075—Setting acceptance levels or parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

一种对介质项目中的缺损进行分类的方法。所述方法包括步骤：接收所述介质项目的二进制图像，其中所述二进制图像包括多个像素，每一个像素都具有潜在的缺损亮度或非缺损亮度；并且识别一个或多个包括连续像素的斑点，其中每一个连续像素都具有潜在的缺损亮度。对于每一个识别出的斑点，所述方法包括将所述斑点的尺寸与损坏阈值进行比较；如果所述斑点尺寸小于所述损坏阈值则忽略所述斑点；并且对每一个具有的尺寸超过或等于所述损坏阈值的识别出的斑点，分类识别出的斑点。

Description

缺损分类
技术领域
本发明涉及缺损分类。具体但不排它地，本发明涉及介质项目中的自动化缺损分类，例如那些存储在自助终端机(SSTs)中的介质项目。本发明也涉及基于分类缺损的介质项目评估。
背景技术
一些自助终端机(SSTs)，例如自动柜员机(ATMs)，能够接受由顾客存储的纸币(或支票)形式的介质项目。
一些货币发行机构(例如欧洲中央银行)已经要求银行应当将任何被认为不适宜继续流通的货币捕获并返回到所述机构。当货币被交给银行职员时，由于该职员可以亲自检查所述纸币，所以执行起来相对容易，但是当纸币被存储进自动柜员机时，由于没有人员参与，这便难以执行了。
发明内容
因此，本发明主要提供用于在介质项目中自动分类缺损的方法、系统、装置和软件。
除了上文提供的发明摘要和在下文的具体说明中所公开的主题之外，如果需要，这个章节的如下段落意欲为在这个申请过程中可能应用的可选择的权利要求的用语提供更进一步的基础。如果本申请获得授权，一些方面可能涉及在本申请诉讼期间增加的权利要求，其它方面可能涉及在诉讼期间删除的权利要求，其它方面可能涉及未主张的主题。而且，除非另有说明，否则下文中详细说明的各个方面是彼此独立的。对应于某一方面的任何权利要求都不应当被解释为合并了其它方面的任何元素或特征，除非在该权利要求中有明确说明。
根据第一方面提供了一种对介质项目中的缺损进行分类的方法，所述方法包括以下步骤：
接收所述介质项目的二进制图像，其中所述二进制图像包括多个像素，每一个像素都具有潜在缺损亮度或非缺损亮度；
识别包括连续像素的一个或多个斑点，每一个连续像素都具有潜在缺损亮度；
对于每一个识别出的斑点，将所述斑点的尺寸与损坏阈值进行比较；
如果所述斑点的尺寸小于所述斑点阈值则忽略所述斑点；以及
对于每一个具有的尺寸大于或等于所述损坏阈值的识别出的斑点，分类所述识别出的斑点。
如本文中所用的“斑点”包括图像内的连续像素，这些像素都具有相似性质(例如，亮度)，该性质不同于周围像素的对应性质(在本示例中是亮度)。
所述两个亮度值可分别代表高亮度和低亮度。如果传输被用于创建所述图像，那么所述潜在缺损亮度可包括高亮度；可选的，如果反射被用于创建所述图像，那么所述潜在缺损亮度可包括低亮度。
识别一个或多个斑点的步骤可包括使用区域增长算法(关于这种算法的一个示例在IEEE中1998年7月发行，卷7，第7号，页码1079-1084，题目为“区域增长：一种在图像处理中S.A.Hojjatoleslami和J.Kittler处理的新方法”中进行了描述(IEEE Region Growing：A New Approach S.A.Hojjatoleslami and J.Kittler TRANSACTIONS ON IMAGE PROCESSING，VOL.7，NO.7，JULY 1998 page 1079-1084)、分裂和合并算法(关于这种算法的一个示例在1974年发表在丹麦Proc.ICPR页码424-433中S.L.Horowitzand T.Pavlidis的“通过直接分裂和合并程序的图像分割”中进行了描述(S.L.Horowitz and T.Pavlidis，Picture Segmentation bya Directed Split andMerge Procedure，Proc.ICPR，1974，Denmark，pp.424-433)或任何其它适宜的算法。这两种算法是计算密集型算法。
有利地，识别一个或多个斑点的步骤可包括改进的合并-查找结构算法(amodified union-find structure algorithm)。
该改进的合并-查找结构算法可包括：在所述二进制图像的每一行上识别出连续并且具有潜在缺损亮度的每一个像素组；对每一个行边界识别出：(i)上行中至少与下行中的组部分重叠的每一个组，并且将这两个组合并成作为增长斑点的新的单一组，(ii)上行中未与下行中的组重叠的每一个组，并且将上行中每一个这样的组表征为完整的斑点，以及(iii)下行中未与上行中的组重叠的每一个组，并且将每一个这样的组表征为增长斑点。当改进的合并-查找结构算法完成时，即可给出一个或多个完整的斑点。优选地，对于每一个完整的斑点，存储所述斑点的位置、尺寸和规格。
分类所述识别的斑点的步骤可包括的类别有：撕裂、缺失部分(包括缺失的角部)、角部折叠和洞。
分类所述识别的斑点的步骤可包括进一步的步骤：(a)如果所述斑点未接触所述介质项目的其中一个边缘，那么就将所述识别出的斑点归类为洞。如果识别出的斑点与所述介质项目的边缘未连接，那么就可以将其归类为洞。
分类所述识别的斑点的步骤可包括进一步的步骤：(b)如果所述识别出的斑点确实接触了所述介质项目的其中一个边缘，但是并不在所述介质项目的其中一个角部，那么将所述识别的斑点归类为撕裂/缺失部分。所述识别出的斑点是撕裂还是缺失部分取决于所述识别出斑点的尺寸，所以将所述识别出的斑点进行分类的步骤可包括进一步的步骤：将所述识别出的斑点的尺寸与撕裂尺寸的最大值进行比较，以便将所述识别出的斑点归类为撕裂或缺失部分。
分类所述识别出的斑点的步骤可包括进一步的步骤：(c)如果所述识别出的斑点确实接触了所述介质项目的其中一个角部，那么就判别所述识别出的斑点是否为角部折叠。
判别所述识别出的斑点是否为角部折叠的步骤可包括将潜在角部重叠区域的像素亮度与相邻非重叠区域的像素亮度进行比较。
分类所述识别出的斑点的步骤可包括进一步的步骤：(d)如果所述识别出的斑点确实接触了所述介质项目的其中一个角部但不是角部折叠，那么就将所述识别出的斑点归类为缺失部分，或者如果需要就更精确地归类为缺失角部。
分类所述识别出的斑点的步骤可包括进一步的步骤：(e)如果所识别出的斑点确实接触了所述介质项目的其中一个角部并且是角部折叠，那么就将所述识别出的斑点归类为角部折叠。
所述方法可包括将适用度规则应用到所述被分类的斑点上以判别所述介质项目是否应被归类为不适用的附加步骤。
所述适用度规则可以包括针对每一个缺损分类的不同的规则集合。例如，如果所述介质项目具有大于或等于十平方毫米的洞(10mm2)，那么介质项目即可因为不适用而被拒绝；或者如果角部折叠具有长于或等于十毫米(10mm)的较短边缘并且其面积大于或等于130mm2，那么介质项目即可因为不适用而被拒绝。
所述方法可包括在接收所述介质项目的二进制图像的步骤之前捕获所述介质项目的图像并且随后由所捕获的图像创建二进制图像的其它步骤。
捕获所述介质项目的图像的步骤可进一步包括捕获所述介质项目的传输图像。使用在所述介质项目一侧的电磁辐射发射机和在所述介质项目另一侧的电磁辐射探测器可捕获传输图像。在一个实施例中，所使用的电磁辐射是红外线辐射。
捕获所述介质项目的图像的步骤可包括使用8位来记录每一个像素的亮度值(给出从0到255的亮度值范围)。可选地，可以使用任何适当的位数，例如16位可以提供在0到65535之间的亮度值范围。
所述方法可以包括调整所接收的图像的空间尺寸以使所接收图像与作为那个介质项目参考的空间尺寸相匹配的附加步骤。这样可以对任何具有增加部分(例如胶布)或具有收缩或扩展或诸如此类的介质项目进行补偿。用于将所捕获图像与参考图像自动对准然后对所捕获的图像进行修剪或添加以匹配所述参考图像的空间尺寸的技术在本领域中是公知的。
根据第二方面，提供了一种介质验证器，其可操作用于对向其提交的介质项目上的缺损进行分类，所述介质验证器包括：
用于传送介质项目的介质项目传送机；
图像捕获装置，其与所述介质项目传送机对齐并且用于捕获与所述介质项目对应的二维阵列像素，每一个像素都具有与所述介质项目上对应于该像素的空间位置处的性质相关的像素亮度；以及
处理器，其编程用于控制介质传送机和图像捕获装置，并且还编程用于：(a)识别包括连续像素的一个或多个斑点、每一个连续像素都具有潜在缺损亮度；(b)对于每一个识别出的斑点，将所述斑点的尺寸与损坏阈值进行比较；(c)如果所述斑点尺寸小于所述损坏阈值，则忽略所述斑点；以及(d)对于每一个具有的尺寸不小于损坏阈值的识别出的斑点，分类所识别出的斑点。
所述处理器可进一步执行与所述第一方面相关的附加步骤。
所述介质项目传送机可包括一个或多个环形带、滑板、滚轴等。
图像捕获设备可以包括二维传感器，例如CCD接触图像传感器(CIS)，其具有至少如介质项目区域一样大的传感器区域。这使得整个二维图像能够及时地在某个时刻被捕获。此外，图像捕获设备可以包括线性传感器(覆盖介质项目的一个维度，而不是两个维度都覆盖)以在介质项目通过线性传感器时捕获一条介质项目，从而使得一旦整个介质项都已通过线性传感器，那么就可以根据线性传感器捕获的图像序列来构造介质项目完整的二维图像。由于较小的传感区域(仅仅像一维介质项目一样大)就已足够，因此可以使用较低成本的传感器。
图像捕获设备可以进一步地包括光源。该光源可以包括红外线辐射源。
图像捕获设备可以位于介质项目相对于光源的相对侧(当没有提供介质项目时就在介质项目路径的相对侧)从而捕获传送图像。可选地但不太有利地，该图像捕获设备可以与光源一样位于介质项目的相同侧从而捕获反射图像。
介质验证器可以包括纸币验证器。纸币验证器可以被合并到介质存储器，所述介质存储器可以被合并到自助终端例如ATM。
根据第三方面，提供了一种计算机程序，编程用于执行所述第一方面的所述步骤。所述计算机程序可由介质验证器执行。
根据第四方面，提供了一种缺损轮廓配置文件，所述文件包括：缺损类型参数；缺损尺寸域；及逻辑参数。
所述缺损类型可包括在介质项目中的缺失型缺损。缺失型缺损是在所述介质项目部分上应该有基底的地方却没有基底的部分。
所述缺损配置文件可包括在所述缺损尺寸域内的多个缺损尺寸参数。
每一个缺损尺寸参数都可以包括：缺损长度参数、缺损宽度参数、或缺损面积参数。
所述逻辑参数可用于表示所述缺损尺寸参数如何关联。例如，如果缺损类型参数是“缺失部分”，并且如果缺损长度是6毫米以及缺损宽度是5毫米，且所述逻辑参数是“或”，然后如果所述介质项目具有被归类为缺失部分的识别出的斑点，且所述缺失部分具有超出或等于5毫米的宽度或超出或等于6毫米的长度，那么介质项目就被识别为不适用。
根据第五方面，提供了一种将介质项目表征为不适用的方法，其包括：
执行所述第一方面的所述方法，以分类介质项目中的缺损；
对于每一个分类的缺损，获取缺损轮廓配置文件以取得(i)与所述分类缺损相匹配的缺损类型，及(ii)与所述缺损类型相关的缺损尺寸；并且
如果分类的缺损包括大于或等于针对该缺损类型的缺损大小的尺寸，那么就将介质项目表征为不适用。
根据第六方面，提供了一种编程用于执行所述第五方面的介质验证器。
所述介质验证器优选地实现另外的介质项目处理功能，例如介质项目识别、验证、污点探测、磨损探测、异物探测等。
所述介质项目可包括纸币。
为了描述的清楚和简洁，上面所述内容并没有明确罗列出所有的部件组合。尽管如此，除非在技术上不可能，或者有明确相反的声明，否则本领域技术人员应该能够直接地、毫无疑义地认识到涉及某一方面的一致的句子的目的在于对那些一致的句子可能涉及的其它方面的特征进行一些必要的修改。
通过参考附图以及下面的实施例方式给出的具体描述，这些和其它的方面将更加清楚。
附图说明
图1是根据本发明的一个实施例的缺损分类系统的示意图，其包括介质验证器用于实现将插入其中的介质项目上的缺损分类的方法；
图2是示出了通过图1中所述介质验证器执行捕获和处理介质项目的图像的步骤的流程图，所述介质项目作为缺损分类及介质项目适用度评估的一部分；(注：在附图中图2分为两张，其原因是图2所示的流程图无法在一页中完整显示，因此将图2分为图2A和图2B。)
图3(在附图中分成两张)是示出了通过图1中所述介质验证器的一部分(数字信号处理器)执行在介质项目上探测潜在缺损的步骤的流程图；
图4是示出了部分介质项目的示意图，所述介质项目具有在自身上向后折叠的角部边缘以及通过图3中所述数字信号处理器来计算的边界线；
图5是示出了部分介质项目的示意图，所述介质项目具有在自身上向后折叠的角部边缘以及由图3中所述DSP计算的可选附加边界线；以及
图6示出了来自缺损轮廓配置文件的条目示例，所述缺损轮廓配置文件用于通过图1中所述系统分类的缺损归类。
具体实施方式
首先参考图1，图1是根据本发明的一个实施例的缺损分类系统的简化示意图，所述缺损分类系统包括介质项目验证器12(以纸币验证器的形式)其用于执行在介质项目上的将缺损分类方法(也用于评估介质项目的适用度)。
纸币验证器12包括支撑传送机构15的壳体13，所述传送机构15为一系列包含与下压紧轮15b对齐的上压紧轮15a的压紧轮的形式，其从入口端16延伸到捕获端18。
入口端和捕获端16、18为壳体13所限定的孔的形式。在使用时，捕获端18通常与存储模块的部件对齐。
在使用时，压紧轮15a，b引导介质项目(在该实施例中为纸币)20的短边缘首先穿过由邻近的压紧轮对之间的间隙所限定的探测区域22。当纸币20被传送过探测区域22时，该纸币20被光源选择性地照明，所述光源包括位于下部的线性排列的红外线LED 24，其被设置来照明整个纸币20的短边缘。该红外线LED 24用于传送测量。为了纸币验证器12的其它功能(例如，纸币识别、伪钞检测等等)可以提供其它光源，但是这些光源与本发明无关，所以在此将不进行描述。
当照射红外线LED 24时，所射出的红外线射线入射在纸币20的底面上，并且透镜26聚集了发射穿过所述纸币20到达光学成像仪28(在这实施例中为CCD接触式图像传感器(CIS))的光。这里提供了一个源于光学成像仪28的传送的红外线通道输出。在这个实施例中，光学成像仪28包括一系列元件，每一个元件提供所探测到的8位值的亮度。在这个实施例中，该CIS 28是一个200点/英寸的传感器，但是输出是平均的以便于提供25点/英寸。
光源24、透镜26和成像仪28构成了图像采集组件30。
纸币验证器12包括数据及电源接口32，所述电源接口32用于允许纸币验证器12将数据传送至外部设备，例如ATM(未示出)、介质存储器(未示出)，或个人电脑(未示出)，以便接收来源于那里的数据、指令及电力。纸币验证器12通常被合并到介质存储器内，所述介质存储器通常被合并到ATM内。
纸币验证器12也具有包括数字信号处理机(DSP)36和相关存储器38的控制器34。控制器34控制压紧轮15和图像采集组件30(包括给所述光源24提供和中断能量)。控制器34也校对和处理通过图像采集组件30捕获的数据，并且通过数据和电源接口32将这种数据和/或这种数据的任一分析结果传送给外部装置。控制器34接收来自成像仪28的红外线传输数据。
现在也参考图2，其示出了由纸币验证器12所执行的步骤的流程图100(如通过数字信号处理器36来控制)以便对纸币中缺损进行分类。
首先，纸币20被插入到验证器12中，纸币验证器12将其接收(步骤102)。
然后控制器34将纸币20传输至探测区域22(步骤104)并使图像采集组件30捕获纸币20的图像(红外传送)(步骤106)。
应当理解的是图像捕获程序可应用于多种不同目的。例如，所捕获的红外图像可用于纸币识别、污点探测及其他目的。此外，可以同时捕获其它图像(例如红色和绿色通道图像)以用于验证所述纸币。换句话说，纸币验证器12可以包括其它的光源(例如，绿色光源)，为了清楚起见未在图1中示出。但是，对于理解这个发明而言这些其它性质和目的不是必要的，因而此处将不会对它们进行描述。对于技术人员而言已经足以认识到相同纸币验证器可以用于执行与介质评估相关的多重功能。
一旦纸币20的图像被捕获，所述图像被数字信号处理器36标准化，从而所捕获的图像与所述类型纸币的参考图像的尺寸相匹配(步骤108)。这样对已增加部分(例如胶布)或者已收缩或扩展等等的任一介质项目进行补偿。用于将所捕获图像与参考图像自动对齐，及接着对所捕获的图像剪裁或增加以便匹配于所述参考图像的空间尺寸的技术是公知的。
数字信号处理器36在内存38中存储所述标准化的图像，将其作为原始图像文件39(其包括全部所述像素亮度信息)所述原始图像文件39用于后续处理(步骤110)，以下将对其进行详细描述。
接着二进制化所述标准化图像(步骤112)，以使所述二进制图像包括多个像素，每一个像素都具有潜在缺损亮度或无缺损亮度。在这个实施例中，传输是用于创建原始图像，所以任何高亮度区域表示潜在缺损亮度，并且任何低亮度区域表示无缺损亮度。此处所使用的“潜在缺损”及“无缺损”仅涉及基于缺失的缺损，例如撕裂、孔洞、折叠、缺失部分等等。基于缺失的缺损的其中一个特性是它们在通常具有很低光透射的区域内产生非常高的光透射。纸币可具有传送极少红外的污损部分；这在纸币适用度方面便为缺损，但在基于缺失的缺损的情况下便不是“潜在缺损”(撕裂、穿孔、折叠等等)。
用于创建二进制图像的技术是公知的。例如，阈值可应用到所捕获的像素亮度上，或应用到所捕获像素亮度的对比度扩展型上。
然后使用改进的合并-查找结构算法，数字信号处理器36在所述二进制图像上探测所有的斑点(步骤114)。斑点(有时称为二进制大型对象)包括图像中的连续像素，其全部具有与周围像素的相应性质不同的相似性质。在本实施例中，斑点包括连续的潜在缺损(高亮度)像素。
现在将参考图3(为清楚起见，将分成图3A和图3B两张附图)，其示出了由数字信号处理器36运行的执行改进的合并-查找结构算法中的步骤的流程图。换句话说，图3示出了斑点探测步骤114的子步骤。
最初，数字信号处理器36探测了所有在所述图像的所述第一行的所述高亮度像素(所述潜在缺损像素)(步骤202)。然后数字信号处理器36仅对每一个连续的高亮度像素组进行分类(步骤204)。
然后数字信号处理器36增加行(步骤206)。如果这个新行存在(步骤208)(也就是说，如果所述当前行不是所述最后行)，那么重复步骤202作为下一行。这样持续直到所有的行已被分析，以及所有的高亮度像素群已被识别。
一旦所有的行已被分析，那么数字信号处理器36在第二行开始(步骤210)，并且将在那行中(最初，所述第二行)的每一个组与在前一行(最初，第一行)中的组进行比较(步骤212)。
对于当前行中的每一个组(最初，所述第二行)，数字信号处理器36判别那个组是否与前一行中的任一组重叠(步骤214)。
如果当前行中的组并未与前一行中的任一组重叠，那么那个组被指定一个独特的斑点号(步骤216)。这个被称为增长斑点，因为它的尺寸可以增长，这就取决于它是否与下一行中的所有组重叠，接下来进行更详细的描述。
数字信号处理器36判别是否存在任何更多的组留在所述当前行中(步骤218)。如果存在更多的组，则对那些组重复步骤212和214。如果所述当前行中不存在更多的组，那么将以下所述继续处理。
返回到步骤214，如果所述当前行中的组确实与所述前一行中的任一组重叠，那么数字信号处理器36将判别所述组是否与另一个组或另一些组重叠(步骤220)(见图3B)。
如果所述当前行中的组仅与所述前一行中的一个组重叠，那么数字信号处理器36将所述当前组与所述其它组合并，并且将一个独特的斑点号分配给新合并的组(如果这是第二行)或者使用被分配到那个其他组的所述分配的独特的斑点数字(如果这是在所述第二行之后的任何行)(步骤222)。这样的效果是合并对所述合并组覆盖且保留仅单个斑点识别数字的组。
如果所述当前行中的组与所述前一行中的多个组重叠，那么数字信号处理器36合并所述当前组与所述当前组重叠的所有组，以便创建单个合并组(步骤224)。数字信号处理器36对在所述合并组中的最高值组使用独特的斑点识别。这意味着所述识别从所述组中取走，所述组即出现在含有所述组的最早(第一，第二，第三等)的行中。
无论一个或多个组是否覆盖所述当前组，接下来的步骤都是使数字信号处理器36返回到步骤218(图3A)(步骤226)。
如上所述，步骤218用于在数字信号处理器增加所述行之前确保处理在行中的所有组(步骤230)。
数字信号处理器36判别这个新的行是否存在(步骤232)。如果这个行存在，那么对这个新行重复步骤212。
如果这个新行不存在(换句话说，如果所述当前行是所述图像中的最后一行)，那么完成斑点探测，且所述探测出的斑点的位置、识别及尺寸(长度，宽度及面积)全部由在斑点识别文件40中的数字信号处理器36存储在内存38中(图1)(步骤234)。
在实际的软件运行中，可以将步骤202到208的循环及步骤212到232的循环合并，并且邻近的高亮度像素组探测和随后的组连接分析及合并的上述任务可以运行在所述图像像素的一个扫描中。
返回到图2，一旦所有的斑点已经在步骤114处探测到，那么下阶段便是对探测到的斑点进行分类。
这将从步骤116开始，在这里将每一个探测到的斑点与斑点面积阈值进行比较(在这个实施例中是8平方毫米)。
如果探测到的斑点小于所述斑点面积阈值，那么所述斑点因为无关紧要而被忽略掉(步骤118)且所述过程移至步骤136(以下将更详细的描述)。
如果探测到的斑点大于(或者大小等于)所述斑点面积阈值，那么数字信号处理器36确定所探测到的斑点是否连接到纸币20的边缘(步骤120)。换句话说，所述斑点在所述纸币的中央部是孤立区吗？或其触碰所述纸币的边缘吗？
如果所探测到的斑点并未连接到所述纸币的边缘，那么通过数字信号处理器36将其归类成洞缺损(步骤122)，并且所述过程移至步骤136(以下会更详细地描述)。
如果所述探测到的斑点连接到所述纸币的边缘，那么数字信号处理器36确定所述探测到的斑点是否在纸币20的四个角部的其中一个角部(步骤124)。
如果所述探测到的斑点没有位于纸币20的角部处，那么通过数字信号处理器36将其归类为撕裂/缺失部分缺损(步骤126)，并且所述过程移至步骤136(下面更详细地描述)。
如果所探测到的斑点位于纸币20的角部处，那么数字信号处理器36执行计算以确定所述角部是否缺失，或者它是否向后折叠在自身上(称为角部折叠)(步骤128)。
参考图4，在此步骤中执行的计算(步骤128)将进行更详细的描述，图4示出了部分纸币20，其自身具有向后折叠的角部边缘。
图4中，纸币20具有垂直(短)边缘60及水平(长)边缘61。在所述纸币20的顶边上向后折叠角部部分(标记为“I”)以创建角部折叠区域62，如图4中黑灰色部分所示，留下空白区域63。在图4中通过损坏的垂直线部分64及损坏的水平线部分65更加清晰的示出了空白区域63。当这个纸币20被成像且并且被二进制时，将存在与空白区域63的尺寸和形状相对应的斑点。由箭头66示出损坏的垂直线64；以及由箭头67示出所述损坏的垂直线65的长度。
如图4所示，角部折叠区域62具有向上倾斜边缘68，其从上折叠点69即水平线部分67的起始处(标记为“A”)延伸至起始角部点70(标记为“C”)。向上倾斜边缘68的长度等于箭头67。
角部折叠区域62也具有向下倾斜边缘71，其从起始角部点70(标记为“C”)延伸至垂直线部分64起始处的下折叠点72(标记为“B”)。所述向下倾斜边缘71的长度与箭头66的长度相等。
角部折叠区域62也具有从上折叠点69(标记为“A”)延伸至下折叠点72(标记为“B”)的折叠边缘74。
纸币的起始角部位置75(即，如果所述角部没有被向后折叠)被示出在两线64、65的交汇处，并且标记为“C0”。
二等分线76被示出为从起始角部位置75(标记为“C0”)延伸至起始角部点70(标记为“C”)，并且以折叠边缘74的直角通过折叠边缘74。
重叠边界线77被示出为平行于折叠边缘74地延伸且穿过起始角部点70(标记为“C”)。未折叠区域78(标记为“O”)位于重叠边界线77和角部折叠区域62、垂直边缘60及水平边缘61之间，并且以垂直线示出。
因为探测到的斑点将与角部折叠区域62的形状一致，对应于角部折叠区域62的探测到的斑点(与空白区域63相等)将直接提供上折叠点69(标记为“A”)及下折叠点72(标记为“B”)的坐标。由于通过直线连接这些点，所以可以使用以下公式来估计这些线(公式1)：
y＝mx+c    公式1
在公式1中，m是所述线的斜率并且c是通过y轴的点(交点)。
使用上折叠点69(标记为“A”)及下折叠点72(标记为“B”)的坐标，数字处理器36能够估计出折叠边缘74的斜率(k)和交点(b)。
数字信号处理器36获取存储在所述原始图像文件39(其储存在步骤110的内存38中)中的标准化图像。
数字信号处理器36能够由所述标准化图像推断线60和61以计算起始角部位置75(标记为“C0”)。一旦起始角部位置75已知，那么它能够围绕折叠边缘74对称投影(因为所述折叠边缘的公式现在是已知)以定位起始角部点70(标记为“C”)。
一旦已知起始角部点70(标记为“C”)，那么数字信号处理器36就使用上折叠点69(标记为“A”)和起始角部点70(标记为“C”)的坐标来估计向上倾斜边缘68的斜率(1)及交点(g)。
数字信号处理器36进一步使用起始角部点70(标记为“C”)和下折叠点72(标记为“B”)的坐标以估计对向下倾斜边缘71的斜率(r)和和交点(h)。
一旦数字信号处理器36已经计算出起始角部点70(标记为“C”)的位置，那么就能够计算出重叠边界线77的公式。这是因为起始角部点70(标记为“C”)位于所述重叠线77上，并且所述重叠线的斜率(k)与折叠边缘74的斜率相同。
在这个阶段，数字信号处理器36已计算出潜在角部折叠位置。
返回至图2的流程图，下一步是数字信号处理器36判别是否存在角部折叠或缺失部分(步骤130)。为了执行该步骤，数字信号处理器36获取原始图像文件39的标准化图像(其包括通过纸币验证器12捕获的全部像素亮度信息)并且使用计算的点和线来比较(i)对角部折叠区域62的标准化图像中的像素亮度，和(ii)由未重叠区域78所限定的区域的标准化图像中的像素亮度。
如果角部折叠区域62中的像素亮度基本上低于未重叠区域78中的所述像素亮度，那么这表示由于基底的两层可能出现在那个区域所以存在角部折叠。可是，如果角部折叠区域62的像素亮度没有基本上低于未重叠区域78中的像素亮度，那么这表明存在角部缺失而不是角部折叠。
在这个实施例中，数字信号处理器36将标准化图像的角部折叠区域62中的像素亮度下四分位数(the lower quartile)(即，所述下面的25％)与标准化图像的未重叠区域78中的像素亮度的所述下四分位数进行比较。
在可选实施例中，如图5所示，数字信号处理器36可计算二个其它的边界线。上边界线82平行于二等分线76(也就是说，上边界线82与二等分线斜率相同)并且穿过上折叠点69(“A”)。下边界线84也平行于二分线76，并且穿过上折叠点72(“B”)。新的未重叠区域88(标记为“Q”)具有与角部折叠区域62一样的面积。
采用如图4中类似方法，数字信号处理器36将标准化图像的角部折叠区域62中的下四分位数(也就是下面的25％)与标准化图像的未重叠区域88中的下四分位数进行比较，以便确定是否存在角部折叠(其由角部折叠区域62中的像素亮度来表示，其亮度基本上低于在非覆盖区域88中的像素亮度)或缺失部分(其由角部折叠区域62中的像素亮度来表示，其亮度基本上与在未重叠区域88中的像素亮度相似)。
如果所述像素亮度比表示存在缺失部分，那么数字信号处理器36将所述缺损归类为缺失部分缺损(步骤132)且所述过程移至步骤136(以下将更加详细地描述)。
如果所述像素亮度比表示存在角部折叠，那么数字信号处理器36将所述缺损归类为角部折叠缺损(步骤134)。
然后数字信号处理器36判别是否有更多的还未被分类的所探测到的斑点(步骤136)。如果仍然存在未被分类的斑点，那么数字信号处理器36尽可能多次返回到步骤114，直到所有探测到的斑点已经被分类。
如果不存在更多未被分类的斑点，那么数字信号处理器36获取存储在内存38中的缺损轮廓配置文件42(步骤138)。缺损轮廓配置文件42包括每一个缺损类型的条目。图6示出了缺损轮廓配置文件42条目的示例。每一个条目包括：缺损类型参数；缺损尺寸域；及逻辑参数。
如图6所示，存在洞缺损类型的条目300。每条线包括缺损类型参数(“洞”)作为所述线的一部分。第一条线302包括所述缺损尺寸域(其包括单一的缺损尺寸参数，即面积等于10平方毫米)；且第条二线304包括所述逻辑参数(在这个示例中，无需逻辑连接器)。这个条目表示如果洞型缺损被探测到具有大于或等于10mm2的面积，那么具有该缺损的纸币应该被表征为不适用。
条目310是关于角部折叠缺损的。所述缺损尺寸域包括两个缺损尺寸参数。第一条线312表明面积为130mm2；(其为所述第一缺损尺寸参数)；第二条线314表明10mm的长度(其为所述第二缺损尺寸参数)；以及第三条线316表明在所述不同的尺寸参数之间有逻辑‘与’连接。换句话说，如果角部折叠型缺损被探测到具有大于或等于130mm2的面积“与”大于或等于10mm的长度，那么所述纸币具有应被表征为不适用的缺损。(由于尺寸参数都不满足)。如果仅仅不满足这些尺寸参数中的一个尺寸参数，那么所述纸币应被表征为适用的(除非出现其他缺损，将产生相反的结果)。
条目320是关于缺失部分缺损的。第一条线322表明6mm的长度，第二条线324表明5mm的宽度；以及第三条线326表明在所述两个不同的尺寸参数之间有逻辑“或”连接。换句话说，如果缺失部分型缺损被探测到具有大于或等于6mm的长度“或”大于或等于5mm的宽度，那么所述纸币具有应被表征为不适用的缺损。如果这些尺寸参数中的没有一个能满足，那么所述纸币应被表征为适用(除非出现其他缺损，将产生相反的结果)。
返回到图2的流程图，在步骤140处数字信号处理器36将每一个被分类的缺损与来自缺损轮廓配置文件42的相应条目进行比较。这是要确定是否那个缺损满足所述缺损轮廓(步骤142)。
所探测到的斑点的位置、标识及尺寸(长度，宽度及面积)都被存储在斑点识别文件40中，数字信号处理器36访问该文件以作为该步骤的一部分。
如果被分类的缺损没有满足所述缺损轮廓(例如，因为洞型缺损具有超过10mm2的面积)，那么纸币20被表征为不适用于继续流通(步骤144)。
如果被分类的缺损满足所述缺损轮廓，那么接下来的步骤是针对数字信号处理器36的，以确定是否存在其它剩余的被分类的斑点需要与缺损轮廓配置文件42进行比较(步骤146)。
如果仍有一些剩余的被分类的斑点需要与缺损轮廓配置文件42进行比较，那么数字信号处理器36尽可能多次地返回步骤140直到所有被分类的斑点已经与缺损轮廓配置文件42比较过。
一旦所有的被分类斑点已被评估，如果所有被分类的斑点满足缺损轮廓配置文件42，那么纸币20被表征为适于继续循环，。然而，即使一个被分类的斑点没有满足缺损轮廓配置文件42，那么纸币20被表征为不适用并且应该被从流通中移除。这可以通过将纸币20分开在介质存储器内的不同存储隔间来执行，所述介质存储器安装在纸币验证器12中。
然后停止所述分类和纸币适用度的表征(步骤148)。
本实施例的优点在于在验证所述纸币的同时可以快速实施。所述缺损轮廓配置文件可容易地更新以适应缺损尺寸参数中的被认为不可接受的变化。这个实施例仅要求单一的传送通道，且可适应相对低分辨率的图像(例如25点每英寸)。
在本发明范围内，上述实施例可以做出各种修改，例如，除纸币外的其它介质项目可以使用这种技术进行缺损分类。
在其它实施例中，除了上述的算法也可使用不同的斑点探测算法。
在其它实施例中，可使用不同的探测分类程序。例如，通过比较所述斑点的尺寸与缺失部分的阈值尺寸，撕裂/缺失部分缺损类型可进一步被归类为撕裂或缺失部分。如果所探测到的斑点小于所述阈值尺寸，那么所探测到的斑点是撕裂；如果等于或大于所述阈值尺寸，那么所探测到的斑点是缺失部分。
在其它实施例中，不同的计算方法可应用于估计角部折叠上的点的位置。例如，使用损坏的垂直线64和水平线65的长度(分别是66和67)计算起始角部点70(“C”)。起始角部点70是以上折叠点69(“A”)为中心的具有等于长度67的半径的弧与以下折叠点72(“B”)为中心的具有等于长度66的半径的弧的交叉点。
在其它实施例中，不同的数据结构可用于所述探测轮廓配置文件。
在其它实施例中，所述缺损尺寸参数可与那些上述的不同。
此处所述描述的方法的各步骤可以按照适当的顺序实施，或者在适当的时候同时进行。此处所描述的方法可以在有形存储介质上以机器可读的形式通过软件实施或者作为传播信号。
术语“包括”、“包含”、“合并”以及“具有”在本文中被用于列举一个或多个元件或步骤的开放式清单而非封闭式清单。当使用此类术语时，这些在清单中所列举的元件或步骤并不排除可能添加到清单中的其它元件或步骤。
除非在上下文中另有说明，否则本文中所用的术语“一”和“一个”表示其后提到的至少一个元件、整体、步骤、特征、操作或组件，但是并不排除另外的元件、整体、步骤、特征、操作或组件。
在某些示例中给出的拓宽性词语和短语例如“一个或多个”、“至少”、“不限于”或其他类似短语并不意味着而且也不应该被解释为意味着在没有使用此类拓宽性短语的例子中意指或要求较窄的情况。
读者的注意力应涉及与本申请相关的说明书同时或更早提交并且与本说明书一起向公众公开的所有论文和文献，并且所有这些论文和文献的内容都通过引用而并入本文。

Claims (15)

1.一种对介质项目中的缺损进行分类的方法，所述方法包括以下步骤：
接收所述介质项目的二进制图像，其中所述二进制图像包括多个像素，每一个像素都具有潜在缺损亮度或非缺损亮度；
识别包括连续像素的一个或多个斑点，每一个连续像素都具有潜在缺损亮度；
对于每一个识别出的斑点，将所述斑点的尺寸与损坏阈值进行比较；
如果所述斑点尺寸小于所述损坏阈值则忽略所述斑点；以及
对于每一个具有的尺寸大于或等于损坏阈值的识别出的斑点，分类所述识别出的斑点。
2.根据权利要求1所述的方法，其中识别一个或多个斑点的步骤包括使用改进的合并-查找结构算法。
3.根据权利要求2所述的方法，其中所述改进的合并-查找结构算法包括：
在所述二进制图像的每一行上识别出连续并且具有潜在缺损亮度的每一个像素组；
对每一个行边界识别出：
(i)上行中至少与下行中的组部分重叠的每一个组，且将这两个组合并成作为增长斑点的新的单一组，
(ii)上行中未与下行中的组重叠的每一个组，并且将上行中每一个这样的组表征为完整的斑点，以及
(iii)下行中未与上行中的组重叠的每一个组，并且将每一个这样的组表征为增长斑点。
4.根据权利要求1所述的方法，其中将所述识别出的斑点进行分类的步骤包括一个或多个以下类别：撕裂，缺失部分，角部折叠和洞。
5.根据权利要求1所述的方法，其中对所述识别出的斑点进行分类的步骤包括进一步的步骤：(a)如果所述斑点未接触所述介质项目的其中一个边缘，那么就将识别出的斑点归类为洞。
6.根据权利要求5所述的方法，其中对所述识别出的斑点进行分类的步骤包括进一步的步骤：(b)如果所述识别出的斑点确实接触了所述介质项目的其中一个边缘，但是并不在所述介质项目的其中一个角部，那么就将所述识别出的斑点归类为撕裂/缺失部分。
7.根据权利要求6所述的方法，其中对所述识别出的斑点进行分类的步骤包括进一步的步骤：(c)如果所述识别出的斑点确实接触了所述介质项目的其中一个角部，那么就判别所述识别出的斑点是否是角部折叠。
8.根据权利要求7所述的方法，其中对所述识别出的斑点进行分类的步骤包括进一步的步骤：(d)如果所述识别出的斑点确实接触了所述介质项目的其中一个角部但不是角部折叠，那么就将所述识别出的斑点归类为缺失部分。
9.根据权利要求8所述的方法，其中对所述识别出的斑点进行分类的步骤包括进一步的步骤：(e)如果所述识别出的斑点确实接触了所述介质项目的其中一个角部并且是角部折叠，那么就将所述识别出的斑点归类为角部折叠。
10.根据权利要求1所述的方法，其中所述方法包括将适用度规则应用至分类斑点以判别所述介质项目是否应被归类为不适用的附加步骤。
11.一种介质验证器，其可操作用于对向其提交的介质项目上的缺损进行分类，所述介质验证器包括：
用于传送介质项目的介质项目传送机；
图像捕获装置，其与所述介质项目传送机对齐，并且用于捕获与所述介质项目相对应的二维阵列像素，每一个像素都具有与所述介质项目在介质项目上对应于该像素的空间位置处的性质相关的像素亮度；以及
处理器，其编程用于控制所述介质传送机及所述图像捕获设备，并且也编程用于：(a)识别包括连续像素的一个或多个斑点，每一个连续像素都具有潜在缺损亮度；(b)对于每一个识别出的斑点，将所述斑点的尺寸与损坏阈值进行比较；(c)如果所述斑点尺寸小于所述损坏阈值则忽略所述斑点；以及(d)对于每一个具有的尺寸不小于所述损坏阈值的识别出的斑点，分类所述识别出的斑点。
12.一种缺损轮廓配置文件，所述文件包括：
缺损类型参数，其中所述缺损类型是介质项目上可能会出现的缺损类型；
缺损尺寸域；以及
逻辑参数，其表示缺损尺寸域内的一个或多个缺损尺寸参数如何关联。
13.一种用于将介质项目表征为不适用的方法，所述方法包括：
执行权利要求1中所述的方法以将介质项目中的缺损进行分类；
对于每一个分类的缺损，获取缺损轮廓配置文件以得到(i)与分类的缺失相匹配的缺损类型，以及(ii)与所述缺损类型相关的缺损尺寸；并且
如果分类的缺损包括满足用于所述缺损类型的缺损尺寸要求的尺寸，那么就将所述介质项目表征为不适用。
14.一种介质项目验证器，编程用于执行权利要求13中所述的方法。
15.根据权利要求14所述的介质验证器，其中所述介质验证器在纸币上实现另外的介质项目处理功能。
CN201210389154.5A 2012-04-30 2012-09-29 介质验证器和对缺损进行分类的方法 Active CN103377509B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/460,172 US8983168B2 (en) 2012-04-30 2012-04-30 System and method of categorising defects in a media item
US13/460,172 2012-04-30

Publications (2)

Publication Number Publication Date
CN103377509A true CN103377509A (zh) 2013-10-30
CN103377509B CN103377509B (zh) 2016-12-21

Family

ID=47172250

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210389154.5A Active CN103377509B (zh) 2012-04-30 2012-09-29 介质验证器和对缺损进行分类的方法

Country Status (4)

Country Link
US (1) US8983168B2 (zh)
EP (1) EP2660787B1 (zh)
CN (1) CN103377509B (zh)
BR (1) BR102012023807B1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593907A (zh) * 2013-11-08 2014-02-19 广州广电运通金融电子股份有限公司 一种纸币高速识别装置及其检测异物方法
CN104504727A (zh) * 2015-01-26 2015-04-08 广州广电运通金融电子股份有限公司 钞票裂缝检测方法及装置
CN105184202A (zh) * 2014-05-16 2015-12-23 Ncr公司 扫描仪脏污/清洁窗口自动探测
WO2016183831A1 (zh) * 2015-05-20 2016-11-24 深圳怡化电脑股份有限公司 纸币缺损识别方法及装置
CN109463969A (zh) * 2018-09-10 2019-03-15 深圳蓝胖子机器人有限公司 快递柜及其快递件的识别方法、机器人和计算机存储介质

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10082454B2 (en) * 2013-11-04 2018-09-25 Spectra Systems Corporation Device and method for gasochromic porosity sensing
DE102014002273A1 (de) * 2014-02-19 2015-08-20 Giesecke & Devrient Gmbh Verfahren zum Untersuchen eines Wertdokuments und Mittel zur Durchführung des Verfahrens
JP6603718B2 (ja) * 2014-12-27 2019-11-06 ヒルズ・ペット・ニュートリシャン・インコーポレーテッド 食品処理方法およびシステム
CN104574650A (zh) * 2015-01-26 2015-04-29 上海古鳌电子科技股份有限公司 清分方法
RU2713684C2 (ru) * 2015-05-15 2020-02-06 Моушен Метрикс Интернешэнл Корп Способ и устройство определения местонахождения изнашиваемой детали на изображении рабочего инструмента
WO2017031447A1 (en) 2015-08-19 2017-02-23 Spectra Systems Corporation Device and method for using gasochromic sensing for evaluating fitness
CN105894461A (zh) * 2015-12-25 2016-08-24 乐视云计算有限公司 灰度形态学图像处理方法及装置
US10275971B2 (en) * 2016-04-22 2019-04-30 Ncr Corporation Image correction
US10055669B2 (en) 2016-08-12 2018-08-21 Qualcomm Incorporated Methods and systems of determining a minimum blob size in video analytics
US11263388B2 (en) * 2020-02-17 2022-03-01 Wipro Limited Method and system for dynamically generating summarised content for visual and contextual text data
CN117952482A (zh) * 2024-03-26 2024-04-30 中国标准化研究院 一种基于卷积神经网络的产品质量事故分级方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0859343A2 (en) * 1997-02-15 1998-08-19 Ncr International Inc. Method and apparatus for screening documents
CN1441389A (zh) * 2002-01-28 2003-09-10 欧姆龙株式会社 纸页类确定装置
US20050075801A1 (en) * 2003-09-24 2005-04-07 3M Innovative Properties Company Apparatus and method for automated web inspection
CN1853202A (zh) * 2003-07-31 2006-10-25 德国捷德有限公司 用于确定钞票状态的方法和装置
CN1892710A (zh) * 2005-07-06 2007-01-10 日立欧姆龙金融系统有限公司 局部有折叠的纸币的处理
CN101331527A (zh) * 2005-12-16 2008-12-24 Ncr公司 在验证之前处理介质对象的图像
CN101964122A (zh) * 2009-07-24 2011-02-02 株式会社东芝 生成片材污损检测辞典的方法、片材处理设备和方法
US20110224918A1 (en) * 2010-03-10 2011-09-15 3M Innovative Properties Company Application-specific repeat defect detection in web manufacturing processes

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5544256A (en) 1993-10-22 1996-08-06 International Business Machines Corporation Automated defect classification system
US6233364B1 (en) 1998-09-18 2001-05-15 Dainippon Screen Engineering Of America Incorporated Method and system for detecting and tagging dust and scratches in a digital image
US7978899B2 (en) * 2005-10-05 2011-07-12 Cummins-Allison Corp. Currency processing system with fitness detection
DE602004015615D1 (de) * 2003-08-01 2008-09-18 Cummins Allison Corp Einrichtung und verfahren zum verarbeiten von banknoten
GB0427484D0 (en) * 2004-12-15 2005-01-19 Money Controls Ltd Acceptor device for sheet objects
JP4065893B1 (ja) 2006-12-04 2008-03-26 東京エレクトロン株式会社 欠陥検出装置、欠陥検出方法、情報処理装置、情報処理方法及びそのプログラム
JP5210013B2 (ja) * 2008-03-19 2013-06-12 株式会社ユニバーサルエンターテインメント 紙葉類処理装置
US8305650B2 (en) * 2010-11-16 2012-11-06 Xerox Corporation Image to target comparator software

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0859343A2 (en) * 1997-02-15 1998-08-19 Ncr International Inc. Method and apparatus for screening documents
CN1441389A (zh) * 2002-01-28 2003-09-10 欧姆龙株式会社 纸页类确定装置
CN1853202A (zh) * 2003-07-31 2006-10-25 德国捷德有限公司 用于确定钞票状态的方法和装置
US20050075801A1 (en) * 2003-09-24 2005-04-07 3M Innovative Properties Company Apparatus and method for automated web inspection
CN1892710A (zh) * 2005-07-06 2007-01-10 日立欧姆龙金融系统有限公司 局部有折叠的纸币的处理
CN101331527A (zh) * 2005-12-16 2008-12-24 Ncr公司 在验证之前处理介质对象的图像
CN101964122A (zh) * 2009-07-24 2011-02-02 株式会社东芝 生成片材污损检测辞典的方法、片材处理设备和方法
US20110224918A1 (en) * 2010-03-10 2011-09-15 3M Innovative Properties Company Application-specific repeat defect detection in web manufacturing processes

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593907A (zh) * 2013-11-08 2014-02-19 广州广电运通金融电子股份有限公司 一种纸币高速识别装置及其检测异物方法
CN103593907B (zh) * 2013-11-08 2016-09-28 广州广电运通金融电子股份有限公司 一种检测异物方法
CN105184202A (zh) * 2014-05-16 2015-12-23 Ncr公司 扫描仪脏污/清洁窗口自动探测
US10073044B2 (en) 2014-05-16 2018-09-11 Ncr Corporation Scanner automatic dirty/clean window detection
CN105184202B (zh) * 2014-05-16 2019-04-12 Ncr公司 扫描仪脏污/清洁窗口自动探测
CN104504727A (zh) * 2015-01-26 2015-04-08 广州广电运通金融电子股份有限公司 钞票裂缝检测方法及装置
CN104504727B (zh) * 2015-01-26 2018-01-12 广州广电运通金融电子股份有限公司 钞票裂缝检测方法及装置
US10319172B2 (en) 2015-01-26 2019-06-11 Grg Banking Equipment Co., Ltd. Banknote crack detection method and apparatus
WO2016183831A1 (zh) * 2015-05-20 2016-11-24 深圳怡化电脑股份有限公司 纸币缺损识别方法及装置
CN109463969A (zh) * 2018-09-10 2019-03-15 深圳蓝胖子机器人有限公司 快递柜及其快递件的识别方法、机器人和计算机存储介质

Also Published As

Publication number Publication date
BR102012023807A2 (pt) 2014-12-02
EP2660787B1 (en) 2015-10-14
US8983168B2 (en) 2015-03-17
CN103377509B (zh) 2016-12-21
US20130287264A1 (en) 2013-10-31
BR102012023807B1 (pt) 2020-09-29
EP2660787A1 (en) 2013-11-06

Similar Documents

Publication Publication Date Title
CN103377509A (zh) 缺损分类
KR102207533B1 (ko) 지폐 관리 방법 및 시스템
US8917386B2 (en) Apparatus for checking the authenticity of value documents
WO2015085815A1 (zh) 一种厚度异常钞票的识别方法及系统
US9928677B2 (en) Banknote recognition method based on sorter dust accumulation and sorter
CN102005078A (zh) 一种纸币、票券识别方法和装置
KR102007685B1 (ko) 하이브리드 위폐 감별 장치 및 시스템
KR100704851B1 (ko) 종이류 식별장치 및 방법
US10262200B2 (en) Method for examining a value document, and means for carrying out the method
US9047723B2 (en) Defect categorization
CN106447908B (zh) 一种纸币鉴伪方法及装置
KR100656179B1 (ko) 종이류 식별장치 및 방법
US9852568B2 (en) Apparatus and method for checking value documents, in particular bank notes, and value-document processing system
Halder et al. Analysis of fluorescent paper pulps for detecting counterfeit Indian paper money
US11610449B2 (en) Device and method for classifying value documents, in particular bank notes, and value document processing system
US9685020B2 (en) Apparatus and method for checking value documents
KR20160107075A (ko) 세계지폐 인식방법
US10347069B2 (en) Apparatus, method and assembly for checking value documents, in particular bank notes, and value-document processing system
WO2009047277A1 (en) System and method for detecting document alteration
JP2015001759A (ja) 紙葉類処理装置、及び紙葉類処理方法
Liu et al. A new image processing method for damaged bill recognition

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant