CN103646458B - 主成份分析鉴别纸币真伪的方法 - Google Patents

Abstract

本发明涉及纸币鉴别技术，具体地说是一种主成份分析鉴别纸币真伪的方法。现有技术采用人工防伪点识别，难以避免图像偏移，所取鉴伪特征有限，稳定性和鉴伪能力都无法达到要求，鉴别准确率低。本发明方法取真币、假币样本，进行样本训练，得样本特征和投影矩阵；测试样币进入多光谱点钞机、清分机、存取款机，比较其特征，和样本特征和投影矩阵相似匹配，即可判定真假币。本发明的优点是：鉴别过程不需要人工参与寻找特征；提取的特征对于真假币的区分度高；可移植性很好，将训练结果移植到程序中，可使机器具有快速的鉴伪能力；鉴伪能力强；适用于世界各国、各种版本纸币的真假鉴别。

Description

主成份分析鉴别纸币真伪的方法

技术领域

本发明涉及纸币鉴别技术，具体地说是一种主成份分析鉴别纸币真伪的方法。

背景技术

随着经济的繁荣发展，纸币的流通量越来越大。一些违法分子制造的各种版本假币层出不穷，危害了国家的金融安全。我国银行使用的多光谱点钞机、清分机、存取款机的核心技术来自国外，价格昂贵，而且对一些假币无法识别。现有技术多光谱点钞机、清分机、存取款机的鉴伪原理是实时的纸币图像处理，采用人工防伪点识别。由于难以避免图像偏移，以及所取鉴伪特征有限，使得稳定性和鉴伪能力都无法达到人们期望的鉴别纸币真伪的要求。尤其是识别位置、大小、形状都不固定的拼接币和残缺币，其性能的局限性更大，鉴别准确率更低。

已有的纸币鉴伪专利，如申请号为：20110088920.X,“一种纸币鉴伪方法和装置”，利用采集装置获取纸币上开窗式安全线压痕特征所在的区域被光束透射的透射图像，分析识别透射图低层中的压痕特征，从而判断纸币真伪。该方法属于局部特征鉴伪，对于变色油墨假币、拼接币等无能为力，无法鉴别真伪。申请号为：201310027700.5，“一种基于冠字号特征的人民币鉴伪方法”，根据冠字号码的颜色和字体大小鉴别真伪，由于受纸币新旧和折皱的影响，该方法的识别率较低且无法识别右半部分为假的拼接币。

纸币鉴伪的主要技术难点在于：识别速度要求高、图像特征难以提取、假币各光谱图像多种多样，在提高鉴伪能力的同时，还必须保证算法对纸币折旧的鲁棒性，保证系统的健壮性，在异常和危险情况下保证系统的安全。针对现有技术中的缺陷，本发明提供了一种纸币鉴伪方法，通过采用主成份分析PCA的方法，将纸币图像投影到特征空间，根据特征向量的欧式距离来区分真币和假币。

主成分分析(Principal Component Analysis，PCA)是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定n个变量的m个观察值，形成一个n′m的数据矩阵，n通常比较大。我们用原有变量的线性组合来表示事物的主要方面，将这几个变量分离出来，进行详细分析，直接找出这样的关键变量。

本发明纸币鉴伪方法主要用于多光谱点钞机、清分机、ATM机中图像处理模块对人民币及各种纸币的鉴伪，利用PCA对图像进行降维、提取区分真假币的主成分。该过程不需要人工参与寻找特征；提取的特征对于真假币的区分度高；可移植性很好；鉴伪能力强。只需要将训练结果移植到程序中，即可使机器具有快速、性能高的鉴伪能力。

经广泛查阅国内外公开出版物和专利文献，均未见有与本发明方法完全相同技术方案的报道。本发明在世界上首次利用主成份分析法鉴别纸币真伪，具有创造性和新颖性；本发明方法可应用于世界各地的银行、商场的点钞机、清分机、存取款机中，具有广泛的实用性。

发明内容

本发明的目的在于提供一种不需要人工参与寻找特征；真假币区分度高；鉴伪能力强；可移植性很好的主成份分析鉴别纸币真伪的方法。

本发明是这样实现的：

一种主成份分析鉴别纸币真伪的方法，步骤如下：

步骤1：

(1)取待鉴别真伪的各个面额的纸币；

(2)将步骤(1)所述的纸币通过多光谱点钞机的高速扫描装置，获得包含真币和各种假币的共N张图像训练样本；通过训练样本对真假币进行训练得到本征矩阵和本征值；对本征值进行降序排列，并提取前d′个较大的本征值及对应的本征向量；本征向量组成投影矩阵完成训练过程；

(3)将纸币图像转化为单列向量；图像在计算机中用不同灰度级的像素矩阵表示；一个像素用一个字节8位数据表示，编码为256个灰度等级，将图像归一化为m×n；采用主成份分析PCA对样本进行训练，把每幅图像重构为(m×n)×1,即：

(4)将从(3)得到的向量组成一个矩阵：(I₁,I₂,…,I_N)_d×N,d＝m*n

(5)求(4)矩阵的协方差矩阵S：

$S=\underset{k=1}{\overset{N}{\Σ}}(I_k-e){(I_k-e)}^T$

(6)计算S的本征值λ和本征向量i：Si＝λi

(7)将本征向量的本征值从大到小排序，选择最大的d′个本征值对应的本征向量作为投影向量i₁,i₂,…,i_d′构成投影矩阵W_d×d′，其中第k列为i_k；

(8)求每个样本在投影空间的向量表示：

p_k＝W^TI_k，k＝1,2,…,N

步骤2：

(1)根据步骤1得到的投影矩阵W_d×d′和p_k，形成一个分类器对真假币进行区分，当采集到任一张纸币图像，重复步骤1中的(2)得到图像向量x_d，计算x_d在投影空间的向量表示：

y_d′＝W_d×d′ ^Tx_d；

(2)计算y与每个样本在投影空间的投影p_k的欧式距离，取其最小值；

$dis\tan ce=\underset{1\≤k\≤N}{min}\sqrt{\underset{i=1}{\overset{d^{\′}}{\Σ}}{(p_{ki}-y_i)}^2};$

(3)取distance值最小对应的k，p_k对应的是真币的投影，则该币为真币；否则为假币。

本发明的要点是：

取真币、假币样本，进行样本训练，得样本征值和投影矩阵；测试样币进入多光谱点钞机、清分机、存取款机，通过投影矩阵求取测试样本特征，并与训练样本特征匹配，找到最相似的训练样本特征，根据对应训练样本特征对应的真假属性，即可判定真假币。

本发明方法适用于世界各国、各种纸币的真假鉴别。例如人民币、港币、美元、欧元、英磅、日元、泰铢等等。

本发明方法的具体过程为：

取待鉴别真伪的各个面额的纸币，包括真币和假币；通过多光谱点钞机的高速扫描获得各种真币和假币的图像训练样本，得到本征矩阵和本征值；本征向量组成投影矩阵完成训练过程。该过程速度较慢可以在计算机上完成，也可集成到点钞机的图像处理芯片。将纸币图像转化为单列向量；将得到的向量组成一个矩阵；求矩阵的协方差矩阵S；计算S的本征值λ和本征向量i；将本征向量按相就的本征值从大到小排序，选择最大的d′个特征值对应的本征向量作为投影向量i₁,i₂,…,i_d′构成投影矩阵W_d×d′，其中第k列为i_k；求每个样本在投影空间的向量表示。根据上述步骤得到的投影矩阵W_d×d′和p_k，可形成一个分类器对真假币进行区分。当采集到任一张纸币图像，重复步骤1得到图像向量x_d，计算x_d在投影空间的向量表示；计算y与每个样本在投影空间的投影p_k的欧式距离，并取其最小值；取使distance值最小对应的k，如果p_k对应的是真币的投影，则该币为真币，否则为假币。

本发明由机器自动寻找区分真假币的最佳特征，可以达到对纸币的全局检测，能同时识别普通假币、拼接币、变造币等各类假币。

本发明的优点是：

1.鉴别过程不需要人工参与寻找特征；

2.提取的特征对于真假币的区分度高；

3.可移植性很好，只需要将训练结果移植到程序中，即可使机器具有快速的鉴伪能力。

4.鉴伪能力强。

5.适用于世界各国、各种版本纸币的真假鉴别。

附图说明

图1本发明主成份分析鉴别纸币真伪的方法流程图。

具体实施方式

为了能更清晰地理解本发明，以下结合附图和具体实验例对本发明进行详细说明。

实施例1

采集第五套人民币：100元、50元、20元、10元和5元面额的纸币；需要识别的假币：普通假币、拼接币、变造币和残缺币，各10张的白光图、红外图，并归一化为80*40大小；

将每幅图重构为3200*1的列向量；

将列向量组成一个矩阵：

(I₁,I₂,…,I_N)_d×N,d＝m*n；

求上述矩阵的协方差矩阵S：

$S=\underset{k=1}{\overset{N}{\Σ}}(I_k-e){(I_k-e)}^T;$

计算S的本征值λ和本征向量i：Si＝λi

将本征向量的本征值从大到小排序，选择最大的d′个本征值对应的本征向量作为投影向量i₁,i₂,…,i_d′构成投影矩阵W_d×d′，其中第k列为i_k；

求每个样本在投影空间的向量表示：p_k＝W^TI_k，k＝1,2,…,N。

上述步骤得到的投影矩阵W_d×d′和p_k，可形成一个分类器对真假币进行区分。当采集到任一张纸币图像，重复上述步骤得到图像向量x_d，计算x_d在投影空间的向量表示：y_d′＝W_d×d′ ^Tx_d；

计算y与每个样本在投影空间的投影p_k的欧式距离，并取其最小值；

$dis\tan ce=\underset{1\≤k\≤N}{min}\sqrt{\underset{i=1}{\overset{d^{\′}}{\Σ}}{(p_{ki}-y_i)}^2};$

取使dis tan ce值最小对应的k，如果p_k对应的是真币的投影，则该币为真币，否则为假币。

上述实施例仅为本发明的优选例，并不代表本发明的全部应用。本发明方法，还可对港币、台币、美元、欧元、英磅、日元、泰铢等等各种纸币进行训练，得样本特征和投影矩阵；将测试样币和样本特征和投影矩阵相似匹配，即可判定真假币。凡在本发明的精神和原则之内，所做的各种变化、修改，均在本发明的保护范围之内。

Claims (1)

1.一种主成份分析鉴别纸币真伪的方法，步骤如下：

步骤1：

(1)取待鉴别真伪的各个面额的真币和假币；

(2)将步骤(1)所述的纸币通过多光谱点钞机的高速扫描装置，获得包含真币和各种假币的共N张图像训练样本；通过训练样本对真假币进行训练得到本征矩阵和本征值；对本征值进行降序排列，并提取前d′个较大的本征值及对应的本征向量；本征向量组成投影矩阵完成训练过程；

(3)将纸币图像转化为单列向量；图像在计算机中用不同灰度级的像素矩阵表示；一个像素用一个字节8位数据表示，编码为256个灰度等级，将图像归一化为m×n；采用主成份分析PCA对样本进行训练，把每幅图像重构为(m×n)×1,即：

(4)将从(3)得到的向量组成一个矩阵：(I₁,I₂,…,I_N)_d×N,d＝m*n

(5)求(4)矩阵的协方差矩阵S：

$S=\underset{k=1}{\overset{N}{\Σ}}(I_k-e){(I_k-e)}^T$

(6)计算S的本征值λ和本征向量i：Si＝λi

(7)将本征向量的本征值从大到小排序，选择最大的d′个本征值对应的本征向量作为投影向量i₁,i₂,…,i_d′构成投影矩阵W_d×d′，其中第k列为i_k；

(8)求每个样本在投影空间的向量表示：

p_k＝W^TI_k，k＝1,2,…,N

步骤2：

(1)根据步骤1得到的投影矩阵W_d×d′和p_k，形成一个分类器对真假币进行区分，当采集到任一张纸币图像，重复步骤1中的(2)得到图像向量x_d，计算x_d在投影空间的向量表示：

y_d′＝W_d×d′ ^Tx_d；

(2)计算y与每个样本在投影空间的投影p_k的欧式距离，取其最小值；

$dis\tan ce=\underset{1\≤k\≤N}{min}\sqrt{\underset{i=1}{\overset{d^{\′}}{\Σ}}{(p_{ki}-y_i)}^2};$

(3)取dis tan ce值最小对应的k，p_k对应的是真币的投影，则该币为真币；否则为假币。