CN104464078A - 通过光变油墨识别损伤钞的方法及系统 - Google Patents
通过光变油墨识别损伤钞的方法及系统 Download PDFInfo
- Publication number
- CN104464078A CN104464078A CN201410743161.XA CN201410743161A CN104464078A CN 104464078 A CN104464078 A CN 104464078A CN 201410743161 A CN201410743161 A CN 201410743161A CN 104464078 A CN104464078 A CN 104464078A
- Authority
- CN
- China
- Prior art keywords
- printing ink
- photochromatic printing
- medge
- vall
- mall
- 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
Links
Abstract
本发明提供了一种通过光变油墨识别损伤钞的方法及系统，该方法包括如下步骤：步骤一，从待识别钞票的原始灰度图上切取固定大小的子灰度图；步骤二，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；步骤三，计算光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，如果该比值大于预先训练好的阈值Thres，则对应的钞票识别为损伤钞，否则识别为未损伤钞。本发明的有益效果是：本发明通过光变油墨能够识别损伤钞，不但识别准确，而且识别快速。
Description
技术领域
本发明涉及纸币识别方法，尤其涉及通过光变油墨识别损伤钞的方法及系统。
背景技术
在同一光源不同照射角度下，光变油墨数字颜色存在着明显的变化，这是进行纸币的真伪识别的重要方法之一。光变油墨是在油墨中加入了一种微小的多层镀膜片的特殊油墨。由于多层镀膜片的折光衍射作用，用这种油墨印刷的图案，从不同角度观察，会呈现出不同的颜色。1999年和2005年版第5套人民币的100元和50元正面的左下角有用凹版印刷的面额数字“50”和“100”字样。50元从正面看为金黄色，从侧面看为古铜色；100元从正面看为绿色，从侧面看为草绿色、蓝色。光变油墨具有动态变色的难于复制的特点，我国从第5套人民币1999年版的100元面值人民币开始使用光变油墨防伪技术。同时，这种光变油墨还广泛用于各类有价证券、商标、证件、票据及产品包装印品的防伪。光变油墨被认为是抵御高性能复印机和扫描机最有效的安全特征之一。
但是我们在验钞器的改进过程中，发现了一批损伤钞，其在光学传感器下获取的灰度图像与未损伤钞类似，但在人眼不同角度观察的情况下“不再变色”极大的影响了验钞器的识别准确性，难以找到合适的特征将未损伤与损伤钞进行区分。
发明内容
为了解决现有技术中的问题，本发明提供了一种通过光变油墨识别损伤钞的方法。
本发明提供了一种通过光变油墨识别损伤钞的方法，包括如下步骤：
步骤一，从待识别钞票的原始灰度图上切取固定大小的子灰度图；
步骤二，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
步骤三，计算光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，如果该比值大于预先训练好的阈值Thres，则对应的钞票识别为损伤钞，否则识别为未损伤钞。
作为本发明的进一步改进，在所述步骤二中，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge的方法包括如步骤：
步骤1，用sobel算子对子灰度图进行卷积；
步骤2，利用阈值提取光变油墨部分的边缘的所有像素；
步骤3，计算这些像素在子灰度图上的对应光照强度值的均值Medge。
作为本发明的进一步改进，在所述步骤二中，统计光变油墨部分的所有像素的均值Mall与方差Vall的方法包括如下步骤：
步骤a，用最大熵阈值分割算法分割子灰度图的光变油墨部分与背景部分，生成光变油墨部分二值图；
步骤b，对光变油墨部分二值图去噪；
步骤c，计算去噪后的光变油墨部分二值图对应的子灰度图光变油墨部分所有像素的均值Mall与方差Vall。
作为本发明的进一步改进，在所述步骤b中，去噪方法为中值滤波。
作为本发明的进一步改进，在所述步骤三中，所述预先训练好的阈值的计算方法包括：
步骤A，从训练样本集中的钞票的原始灰度图上切取固定大小的子灰度图；
步骤B，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
步骤C，计算训练样本集中的所有钞票的光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，则阈值Thres为训练样本集中未损伤钞的Medge/Mall/Vall比值最大值(Medge/Mall/Vall)Tmax与训练样本集中损伤钞的Medge/Mall/Vall比值最小值(Medge/Mall/Vall)Fmin的中值，即Thres＝((Medge/Mall/Vall)Tmax+(Medge/Mall/Vall)Fmin)/2。
本发明还公开了一种通过光变油墨识别损伤钞的系统，包括：
获取单元，用于从待识别钞票的原始灰度图上切取固定大小的子灰度图；
统计单元，用于统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
判断单元，用于计算光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，如果该比值大于预先训练好的阈值Thres，则对应的钞票识别为损伤钞，否则识别为未损伤钞。
作为本发明的进一步改进，在所述统计单元中，通过如下模块统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge：
sobel算子模块，用sobel算子对子灰度图进行卷积；
阈值提取模块，利用阈值提取光变油墨部分的边缘的所有像素；
统计提取模块，用于计算这些像素在子灰度图上的对应光照强度值的均值Medge。
作为本发明的进一步改进，在所述统计单元中，通过如下模块统计光变油墨部分的所有像素的均值Mall与方差Vall：
生成模块，用最大熵阈值分割算法分割子灰度图的光变油墨部分与背景部分，生成光变油墨部分二值图；
去噪模块，用于对光变油墨部分二值图去噪；
计算模块，用于计算去噪后的光变油墨部分二值图对应的子灰度图光变油墨部分所有像素的均值Mall与方差Vall。
作为本发明的进一步改进，在所述去噪模块中，去噪方法为中值滤波。
作为本发明的进一步改进，在所述判断单元中，通过如下模块对预先训练好的阈值进行计算：
切取模块，用于从训练样本集中的钞票的原始灰度图上切取固定大小的子灰度图；
统计模块，用于统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
训练样本集的计算模块，用于计算训练样本集中的所有钞票的光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，则阈值Thres为训练样本集中未损伤钞的Medge/Mall/Vall比值最大值(Medge/Mall/Vall)Tmax与训练样本集中损伤钞的Medge/Mall/Vall比值最小值(Medge/Mall/Vall)Fmin的中值，即Thres＝((Medge/Mall/Vall)Tmax+(Medge/Mall/Vall)Fmin)/2。
本发明的有益效果是：本发明通过光变油墨能够识别损伤钞，不但识别准确，而且识别快速。
附图说明
图1是本发明的方法流程图。
具体实施方式
如图1所示，本发明公开了一种通过光变油墨识别损伤钞的方法，包括如下步骤：
步骤S1，从待识别钞票的原始灰度图上切取固定大小的子灰度图；
步骤S2，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
步骤S3，计算光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，如果该比值大于预先训练好的阈值Thres，则对应的钞票识别为损伤钞，否则识别为未损伤钞。
在所述步骤S2中，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge的方法包括如步骤：
步骤1，用sobel算子对子灰度图进行卷积；
步骤2，利用阈值提取光变油墨部分的边缘的所有像素；
步骤3，计算这些像素在子灰度图上的对应光照强度值的均值Medge。
在所述步骤S2中，统计光变油墨部分的所有像素的均值Mall与方差Vall的方法包括如下步骤：
步骤a，用最大熵阈值分割算法分割子灰度图的光变油墨部分与背景部分，生成光变油墨部分二值图；
步骤b，对光变油墨部分二值图去噪；
步骤c，计算去噪后的光变油墨部分二值图对应的子灰度图光变油墨部分所有像素的均值Mall与方差Vall。
在所述步骤b中，去噪方法为中值滤波。
在所述步骤S3中，所述预先训练好的阈值的计算方法包括：
步骤A，从训练样本集中的钞票的原始灰度图上切取固定大小的子灰度图；
步骤B，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
步骤C，计算训练样本集中的所有钞票的光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，则阈值Thres为训练样本集中未损伤钞的Medge/Mall/Vall比值最大值(Medge/Mall/Vall)Tmax与训练样本集中损伤钞的Medge/Mall/Vall比值最小值(Medge/Mall/Vall)Fmin的中值，即Thres＝((Medge/Mall/Vall)Tmax+(Medge/Mall/Vall)Fmin)/2。
即，在步骤C中，未损伤钞的Medge/Mall/Vall比值最大值：(Medge/Mall/Vall)Tma，损伤钞的Medge/Mall/Vall比值最小值：(Medge/Mall/Vall)Fmin，阈值是最大值和最小值的中值：Thres＝((Medge/Mall/Vall)Tmax+(Medge/Mall/Vall)Fmin)/2。
根据高倍显微镜下的仔细观察与分析，由于未知的原因,这批损伤钞的光变油墨区域应该是被人用硬物经过精心的刮蹭处理,光变油墨中的多层镀膜片基本上被这种机械损伤所破坏，从而丧失了变色功能,但由于油墨层厚度不高,且部分油墨已经渗透进纸质表面,与纸质层结合紧密,这种机械损伤不可避免的既损伤了油墨,也损伤了纸质,并使得纸质纤维与油墨相互混杂在一起.因此,在图像传感器采集到的数字图像中,原本十分清晰的边缘变得十分模糊,原本具有较高方差的光变油墨部分的像素,其方差也大大降低。但原有的垂直角度的光照强度值仍然得以保留,呈现为纯度较高的绿色。
因此根据这些特性进行上述图像处理与模式识别，取得了良好的效果，在1200张未损伤钞与13张损伤钞的样本集上进行训练测试，其分类准确率达到100％。
本发明还公开了一种通过光变油墨识别损伤钞的系统，包括：
获取单元，用于从待识别钞票的原始灰度图上切取固定大小的子灰度图；
统计单元，用于统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
判断单元，用于计算光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，如果该比值大于预先训练好的阈值Thres，则对应的钞票识别为损伤钞，否则识别为未损伤钞。
在所述统计单元中，通过如下模块统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge：
sobel算子模块，用sobel算子对子灰度图进行卷积；
阈值提取模块，利用阈值提取光变油墨部分的边缘的所有像素；
统计提取模块，用于计算这些像素在子灰度图上的对应光照强度值的均值Medge。
在所述统计单元中，通过如下模块统计光变油墨部分的所有像素的均值Mall与方差Vall：
生成模块，用最大熵阈值分割算法分割子灰度图的光变油墨部分与背景部分，生成光变油墨部分二值图；
去噪模块，用于对光变油墨部分二值图去噪；
计算模块，用于计算去噪后的光变油墨部分二值图对应的子灰度图光变油墨部分所有像素的均值Mall与方差Vall。
在所述去噪模块中，去噪方法为中值滤波。
在所述判断单元中，通过如下模块对预先训练好的阈值进行计算：
切取模块，用于从训练样本集中的钞票的原始灰度图上切取固定大小的子灰度图；
统计模块，用于统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
训练样本集的计算模块，用于计算训练样本集中的所有钞票的光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，则阈值Thres为训练样本集中未损伤钞的Medge/Mall/Vall比值最大值(Medge/Mall/Vall)Tmax与训练样本集中损伤钞的Medge/Mall/Vall比值最小值(Medge/Mall/Vall)Fmin的中值，即Thres＝((Medge/Mall/Vall)Tmax+(Medge/Mall/Vall)Fmin)/2。
本发明具有如下有益效果：
由于这种机械处理仅仅局限于光变油墨区域,损伤的范围不大,切取固定大小的子灰度图，选取了合适的大小，使得没有被机械损伤所影响的其他背景部分基本没有被纳入计算，使得所选取的比值可分性最大化。
根据该损伤钞经过机械刮蹭处理的特性，找到了合适的图像特征来表征未损伤与损伤钞，将未损伤与损伤钞进行区分。
使用Sobel算子对子灰度图进行处理,使得未损伤钞的图像边缘得以增强,而损伤钞的边缘强度太低,增强的幅度较小,因此,使得所选取的比值可分性最大化。
使用最大熵阈值分割算法分割子灰度图的光变油墨部分与背景部分，而不是像传统方法一样(仅仅随机选取若干个像素点，难免受到噪声影响)，选取了尽可能多的像素，保证了算法的鲁棒性。
阈值分割后，去除了噪声，从而去除了钞面污损对算法的影响，提高了算法的准确性，钞面污损的噪声类型与椒盐较为类似，因此采用了中值滤波方法，去噪效果较好，且时间复杂度较低。
该方法仅仅利用灰度图进行计算，从而简化了测试过程中的传感器与光学结构。
阈值计算的测试与训练分离，识别未损伤与损伤钞时，直接使用固定阈值，从而降低了时间复杂度。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种通过光变油墨识别损伤钞的方法，其特征在于，包括如下步骤：
步骤一，从待识别钞票的原始灰度图上切取固定大小的子灰度图；
步骤二，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
步骤三，计算光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，如果该比值大于预先训练好的阈值Thres，则对应的钞票识别为损伤钞，否则识别为未损伤钞。
2.根据权利要求1所述的方法，其特征在于，在所述步骤二中，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge的方法包括如步骤：
步骤1，用sobel算子对子灰度图进行卷积；
步骤2，利用阈值提取光变油墨部分的边缘的所有像素；
步骤3，计算这些像素在子灰度图上的对应光照强度值的均值Medge。
3.根据权利要求1所述的方法，其特征在于，在所述步骤二中，统计光变油墨部分的所有像素的均值Mall与方差Vall的方法包括如下步骤：
步骤a，用最大熵阈值分割算法分割子灰度图的光变油墨部分与背景部分，生成光变油墨部分二值图；
步骤b，对光变油墨部分二值图去噪；
步骤c，计算去噪后的光变油墨部分二值图对应的子灰度图光变油墨部分所有像素的均值Mall与方差Vall。
4.根据权利要求3所述的方法，其特征在于，在所述步骤b中，去噪方法为中值滤波。
5.根据权利要求1所述的方法，其特征在于，在所述步骤三中，所述预先训练好的阈值的计算方法包括：
步骤A，从训练样本集中的钞票的原始灰度图上切取固定大小的子灰度图；
步骤B，统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
步骤C，计算训练样本集中的所有钞票的光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，则阈值Thres为训练样本集中未损伤钞的Medge/Mall/Vall比值最大值(Medge/Mall/Vall)Tmax与训练样本集中损伤钞的Medge/Mall/Vall比值最小值(Medge/Mall/Vall)Fmin的中值，即Thres＝((Medge/Mall/Vall)Tmax+(Medge/Mall/Vall)Fmin)/2。
6.一种通过光变油墨识别损伤钞的系统，其特征在于，包括：
获取单元，用于从待识别钞票的原始灰度图上切取固定大小的子灰度图；统计单元，用于统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
判断单元，用于计算光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，如果该比值大于预先训练好的阈值Thres，则对应的钞票识别为损伤钞，否则识别为未损伤钞。
7.根据权利要求6所述的系统，其特征在于，在所述统计单元中，通过如下模块统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge：
sobel算子模块，用sobel算子对子灰度图进行卷积；
阈值提取模块，利用阈值提取光变油墨部分的边缘的所有像素；
统计提取模块，计算这些像素在子灰度图上的对应光照强度值的均值Medge。
8.根据权利要求6所述的系统，其特征在于，在所述统计单元中，通过如下模块统计光变油墨部分的所有像素的均值Mall与方差Vall：
生成模块，用最大熵阈值分割算法分割子灰度图的光变油墨部分与背景部分，生成光变油墨部分二值图；
去噪模块，用于对光变油墨部分二值图去噪；
计算模块，用于计算去噪后的光变油墨部分二值图对应的子灰度图光变油墨部分所有像素的均值Mall与方差Vall。
9.根据权利要求8所述的系统，其特征在于，在所述去噪模块中，去噪方法为中值滤波。
10.根据权利要求15所述的系统，其特征在于，在所述判断单元中，通过如下模块对预先训练好的阈值进行计算：
切取模块，用于从训练样本集中的钞票的原始灰度图上切取固定大小的子灰度图；
统计模块，用于统计子灰度图中光变油墨部分的边缘的所有像素的均值Medge，并统计光变油墨部分的所有像素的均值Mall与方差Vall；
训练样本集的计算模块，用于计算训练样本集中的所有钞票的光变油墨部分的均值/边缘强度像素的均值/光变油墨部分的方差的比值Medge/Mall/Vall，则阈值Thres为训练样本集中未损伤钞的Medge/Mall/Vall比值最大值(Medge/Mall/Vall)Tmax与训练样本集中损伤钞的Medge/Mall/Vall比值最小值(Medge/Mall/Vall)Fmin的中值，即Thres＝((Medge/Mall/Vall)Tmax+(Medge/Mall/Vall)Fmin)/2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410743161.XA CN104464078B (zh) | 2014-12-08 | 2014-12-08 | 通过光变油墨识别损伤钞的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410743161.XA CN104464078B (zh) | 2014-12-08 | 2014-12-08 | 通过光变油墨识别损伤钞的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104464078A true CN104464078A (zh) | 2015-03-25 |
| CN104464078B CN104464078B (zh) | 2017-06-30 |
Family
ID=52910058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410743161.XA Expired - Fee Related CN104464078B (zh) | 2014-12-08 | 2014-12-08 | 通过光变油墨识别损伤钞的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104464078B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104992494A (zh) * | 2015-05-14 | 2015-10-21 | 深圳怡化电脑股份有限公司 | 一种纸币真伪的检测方法及装置 |
| CN105096446A (zh) * | 2015-07-20 | 2015-11-25 | 深圳怡化电脑股份有限公司 | 一种折角钞光变油墨鉴伪识别的方法及系统 |
| CN106447910A (zh) * | 2016-09-08 | 2017-02-22 | 深圳怡化电脑股份有限公司 | 一种纸币识别的方法及装置 |
| CN106570980A (zh) * | 2015-10-10 | 2017-04-19 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法和系统 |
| CN106875544A (zh) * | 2017-02-13 | 2017-06-20 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪方法及装置 |
| CN107093259A (zh) * | 2017-03-09 | 2017-08-25 | 深圳怡化电脑股份有限公司 | 一种纸币真伪的识别方法及其装置 |
| CN107742359A (zh) * | 2017-09-11 | 2018-02-27 | 深圳怡化电脑股份有限公司 | 一种纸币识别方法、装置、终端设备及可读存储介质 |
| CN109816627A (zh) * | 2018-12-13 | 2019-05-28 | 中国科学院西安光学精密机械研究所 | 平面玻璃元件油墨区弱小缺陷目标检测方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000182052A (ja) * | 1998-12-14 | 2000-06-30 | Toshiba Corp | 印刷物の汚損度判別装置 |
| CN1490766A (zh) * | 2002-10-16 | 2004-04-21 | 屈鹏瑞 | 一种纸币辨识装置 |
| US20090087077A1 (en) * | 2006-03-16 | 2009-04-02 | Aruze Corp. | Bank note authenticating method and bank note authenticating device |
| US20090245590A1 (en) * | 2006-11-15 | 2009-10-01 | Norbert Holl | Method for identifying soiling and/or colour fading in the region of colour transitions on documents of value, and means for carrying out the method |
| WO2010055279A1 (en) * | 2008-11-14 | 2010-05-20 | De La Rue International Limited | Document of value, method of manufacture and method of detecting soil or wear |
| CN101727702A (zh) * | 2009-11-17 | 2010-06-09 | 李成福 | 一种带有人民币变色油墨识别功能的atm机收钞模块 |
| CN201796414U (zh) * | 2009-11-17 | 2011-04-13 | 王晓光 | 一种带有人民币变色油墨识别功能的atm机收钞模块 |
| CN102306415A (zh) * | 2011-08-01 | 2012-01-04 | 广州广电运通金融电子股份有限公司 | 便携式有价文件识别装置 |
| CN102804233A (zh) * | 2010-03-17 | 2012-11-28 | 光荣株式会社 | 纸张判别装置以及纸张判别方法 |
| CN104036581A (zh) * | 2014-06-19 | 2014-09-10 | 广州广电运通金融电子股份有限公司 | 一种有价文件光变油墨区域真伪识别的方法及系统 |
-
2014
- 2014-12-08 CN CN201410743161.XA patent/CN104464078B/zh not_active Expired - Fee Related
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000182052A (ja) * | 1998-12-14 | 2000-06-30 | Toshiba Corp | 印刷物の汚損度判別装置 |
| CN1490766A (zh) * | 2002-10-16 | 2004-04-21 | 屈鹏瑞 | 一种纸币辨识装置 |
| US20090087077A1 (en) * | 2006-03-16 | 2009-04-02 | Aruze Corp. | Bank note authenticating method and bank note authenticating device |
| US20090245590A1 (en) * | 2006-11-15 | 2009-10-01 | Norbert Holl | Method for identifying soiling and/or colour fading in the region of colour transitions on documents of value, and means for carrying out the method |
| WO2010055279A1 (en) * | 2008-11-14 | 2010-05-20 | De La Rue International Limited | Document of value, method of manufacture and method of detecting soil or wear |
| CN101727702A (zh) * | 2009-11-17 | 2010-06-09 | 李成福 | 一种带有人民币变色油墨识别功能的atm机收钞模块 |
| CN201796414U (zh) * | 2009-11-17 | 2011-04-13 | 王晓光 | 一种带有人民币变色油墨识别功能的atm机收钞模块 |
| CN102804233A (zh) * | 2010-03-17 | 2012-11-28 | 光荣株式会社 | 纸张判别装置以及纸张判别方法 |
| CN102306415A (zh) * | 2011-08-01 | 2012-01-04 | 广州广电运通金融电子股份有限公司 | 便携式有价文件识别装置 |
| CN104036581A (zh) * | 2014-06-19 | 2014-09-10 | 广州广电运通金融电子股份有限公司 | 一种有价文件光变油墨区域真伪识别的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王明顺 等: "基于DSP的纸币光变油墨自动识别的研究", 《中国图像图形学报》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104992494A (zh) * | 2015-05-14 | 2015-10-21 | 深圳怡化电脑股份有限公司 | 一种纸币真伪的检测方法及装置 |
| CN105096446A (zh) * | 2015-07-20 | 2015-11-25 | 深圳怡化电脑股份有限公司 | 一种折角钞光变油墨鉴伪识别的方法及系统 |
| CN106570980A (zh) * | 2015-10-10 | 2017-04-19 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪的方法和系统 |
| CN106447910A (zh) * | 2016-09-08 | 2017-02-22 | 深圳怡化电脑股份有限公司 | 一种纸币识别的方法及装置 |
| CN106447910B (zh) * | 2016-09-08 | 2019-07-05 | 深圳怡化电脑股份有限公司 | 一种纸币识别的方法及装置 |
| CN106875544A (zh) * | 2017-02-13 | 2017-06-20 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪方法及装置 |
| CN106875544B (zh) * | 2017-02-13 | 2019-10-11 | 深圳怡化电脑股份有限公司 | 一种纸币鉴伪方法及装置 |
| CN107093259A (zh) * | 2017-03-09 | 2017-08-25 | 深圳怡化电脑股份有限公司 | 一种纸币真伪的识别方法及其装置 |
| CN107742359A (zh) * | 2017-09-11 | 2018-02-27 | 深圳怡化电脑股份有限公司 | 一种纸币识别方法、装置、终端设备及可读存储介质 |
| CN107742359B (zh) * | 2017-09-11 | 2019-12-06 | 深圳怡化电脑股份有限公司 | 一种纸币识别方法、装置、终端设备及可读存储介质 |
| CN109816627A (zh) * | 2018-12-13 | 2019-05-28 | 中国科学院西安光学精密机械研究所 | 平面玻璃元件油墨区弱小缺陷目标检测方法 |
| CN109816627B (zh) * | 2018-12-13 | 2021-01-15 | 中国科学院西安光学精密机械研究所 | 平面玻璃元件油墨区弱小缺陷目标检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104464078B (zh) | 2017-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104464078A (zh) | 通过光变油墨识别损伤钞的方法及系统 | |
| CN101923640B (zh) | 基于鲁棒纹理特征和机器学习对伪造虹膜图像判别的方法 | |
| CN102222384B (zh) | 纸币多光谱图像分析方法 | |
| Mirza et al. | Paper currency verification system based on characteristic extraction using image processing | |
| CN108509992B (zh) | 一种基于机器学习技术的印章印文智能化识别防伪方法 | |
| CN103886309A (zh) | 人像识别鉴别美元面额的方法 | |
| CN105632015A (zh) | 一种基于云平台的银行票据指纹特征防伪鉴别方法 | |
| CN103530853A (zh) | 红外光强图像和红外偏振图像增强融合方法 | |
| CN107195069A (zh) | 一种人民币冠字号自动识别方法 | |
| CN111986378B (zh) | 一种票据彩色纤维丝检测方法和系统 | |
| Sharan et al. | Detection of counterfeit Indian currency note using image processing | |
| CN103729856B (zh) | 一种利用s变换信号提取的布匹疵点检测方法 | |
| CN107437293A (zh) | 一种基于票据全局特征的票据防伪鉴别方法 | |
| CN108921831B (zh) | 一种基于图像处理技术的污损硬币识别方法 | |
| CN107221070A (zh) | 一种基于主图案荧光特征识别的票据防伪鉴别方法 | |
| Murthy et al. | Design and implementation of paper currency recognition with counterfeit detection | |
| US9042632B2 (en) | Method and system for touchless counting of stacked substrates, especially bundled banknotes | |
| CN106710062A (zh) | 检测纸币安全线的方法及装置 | |
| Jadhav et al. | Currency identification and forged banknote detection using deep learning | |
| CN106600812A (zh) | 一种纸币识别方法及装置 | |
| CN107134048A (zh) | 一种智能识别水印特征的票据防伪鉴别方法 | |
| CN107527423B (zh) | 纸币防伪识别方法及纸币识别装置 | |
| CN105336035A (zh) | 一种脏污冠字号图像分类的方法与系统 | |
| WO2018130119A1 (zh) | 一种基于双冠字号的纸币鉴伪方法和系统 | |
| Rajan et al. | An extensive study on currency recognition system using image processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170630 Termination date: 20211208 |