CN104537756A - 一种基于Lab色彩空间的钞票分类鉴别方法和装置 - Google Patents

一种基于Lab色彩空间的钞票分类鉴别方法和装置 Download PDF

Info

Publication number
CN104537756A
CN104537756A CN201510033336.2A CN201510033336A CN104537756A CN 104537756 A CN104537756 A CN 104537756A CN 201510033336 A CN201510033336 A CN 201510033336A CN 104537756 A CN104537756 A CN 104537756A
Authority
CN
China
Prior art keywords
gray
absolute value
banknote
detected
difference
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
CN201510033336.2A
Other languages
English (en)
Other versions
CN104537756B (zh
Inventor
陈健
崔山领
王倩文
徐靖
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.)
GRG Banking Equipment Co Ltd
Guangdian Yuntong Financial Electronic Co Ltd
Original Assignee
Guangdian Yuntong Financial Electronic Co Ltd
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 Guangdian Yuntong Financial Electronic Co Ltd filed Critical Guangdian Yuntong Financial Electronic Co Ltd
Priority to CN201510033336.2A priority Critical patent/CN104537756B/zh
Publication of CN104537756A publication Critical patent/CN104537756A/zh
Priority to US15/541,705 priority patent/US20180005478A1/en
Priority to RU2017127919A priority patent/RU2661529C1/ru
Priority to EP15878501.4A priority patent/EP3249618B1/en
Priority to PCT/CN2015/082615 priority patent/WO2016115829A1/zh
Priority to ZA2017/04880A priority patent/ZA201704880B/en
Priority to HK18104832.4A priority patent/HK1245479A1/zh
Application granted granted Critical
Publication of CN104537756B publication Critical patent/CN104537756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G07D7/06—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 using wave or particle radiation
    • G07D7/12—Visible light, infrared or ultraviolet radiation
    • G07D7/1205—Testing spectral properties
    • 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
    • G07D7/2008—Testing patterns thereon using pre-processing, e.g. de-blurring, averaging, normalisation or rotation
    • 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
    • G07D7/202—Testing patterns thereon using pattern matching
    • G07D7/205—Matching spectral properties
    • 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
    • G07D7/2091—Setting a plurality of levels

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Color Image Communication Systems (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)

Abstract

本发明实施例提供一种基于Lab色彩空间的钞票分类鉴别方法和装置，用于提高面值的识别率。本发明实施例一种基于Lab色彩空间的钞票分类方法技术方案包括：获取待检测钞票的RGB图像；计算所述RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；将所述Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；将所述Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出所述待检测钞票的类别。

Description

一种基于Lab色彩空间的钞票分类鉴别方法和装置
技术领域
本发明实施例涉及钞票的面值分类识别领域，具体涉及一种基于Lab色彩空间的钞票分类鉴别方法和装置。
背景技术
随着国内市场经济的不断繁荣，使得纸币的流通量越来越大，金融机构对于金融设备的要求是必须能够支持不同人民币面额纸币的识别。Lab色彩空间是比较接近于人类视觉的一种颜色空间，其中L(Luminosity)表示亮度，a和b表示两种颜色的对立维度。其中L的值域由0到100，表示从黑到纯白，a表示从红色至绿色的范围，a的取值为+127至-128，b表示从蓝色至黄色的范围，b的取值为+127至-128，正为暖色、负为冷色。Lab色域宽阔很广，它不仅包含了RGB，CMYK的所有色域，还能表现它们不能表现的色彩。人的肉眼能感知的色彩，都能通过Lab模型表现出来。另外，Lab色彩模型还能弥补RGB色彩模型色彩分布不均的不足，因为RGB模型在蓝色到绿色之间的过渡色彩过多，而在绿色到红色之间又缺少黄色和其他色彩。
目前，金融设备核心技术基础是实时纸币图像处理和图像识别。其中一种常用的方法是采用不同面额纸币图像几何特征(长度和宽度)不同来区分，但是由于纸币是通过高速的采集装置获得的，因此不可避免地存在着扭曲和形变，这样导致几何特征不稳定，造成识别率的下降。另一种方法是利用单通道灰度图像中不同区域的灰度差异性来区分面值，而由于部分不同面额的人民币灰度特征差异不大，或者当识别的主要特征区受到污损干扰时，会存在人民币不同面值、币种间误识别的风险。
现有技术的缺陷是，传统的识别装置只具备获取单通道灰度图像的能力，无法对钞票的颜色进行有效识别，面值的识别率低。
发明内容
本发明实施例提供一种基于Lab色彩空间的钞票分类鉴别方法和装置，用于提高面值的识别率。
本发明实施例一种基于Lab色彩空间的钞票分类方法技术方案包括：
获取待检测钞票的RGB图像；
计算所述RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；
将所述Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；
将所述Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出所述待检测钞票的类别。
优选的，
将所述Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出所述待检测钞票的类别包括：
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差大于20时，则所述待检测钞票为100元；
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差小于5时，则所述待检测钞票为20元；
当Gray a与Gray b乘积小于零，且Gray a的绝对值与Gray b的绝对值之差大于10时，则所述待检测钞票为50元；
当Gray a小于零，且Gray a的绝对值与Gray b的绝对值之差小于10时，则所述待检测钞票为10元。
优选的，
获取待检测钞票的RGB图像包括：提取所述待检测钞票的完整区域；通过多光谱识别装置获取所述完整区域的RGB图像。
优选的，
计算所述RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B包括：选取所述RGB图像的毛泽东头像区域作为目标区域；根据所述目标区域计算出在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B。
优选的，
将所述Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b包括：
转化公式分别为Gray a＝1.4749*(0.2213*Gray R-0.3390*Gray G+0.1177*Gray B)+128、
Gray b＝0.6245*(0.1949*Gray R+0.6057*Gray G-0.8006*Gray B)+128；
将所述Gray R、Gray G、Gray B代入所述转化公式得出Gray a、Gray b。
本发明实施例还提供一种基于Lab色彩空间的钞票分类鉴别装置，技术方案包括：
获取模块，用于获取待检测钞票的RGB图像；
处理模块，用于计算所述获取模块获取的RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；
转化模块，用于将所述处理模块计算出的Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；
判断模块，用于将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出待检测钞票的类别。
优选的，
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差大于20时，所述判断模块确定所述待检测钞票为100元；
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差小于5时，所述判断模块确定所述待检测钞票为20元；
当Gray a与Gray b乘积小于零，且Gray a的绝对值与Gray b的绝对值之差大于10时，所述判断模块确定所述待检测钞票为50元；
当Gray a小于零，且Gray a的绝对值与Gray b的绝对值之差小于10时，所述判断模块确定所述待检测钞票为10元。
优选的，
所述获取模块通过多光谱识别装置获取所述待检测钞票的完整区域的RGB图像。
优选的，
所述处理模块提取出所述RGB图像中的毛泽东区域作为目标区域，并根据所述目标区域计算出在红(R)、绿(G)、蓝(B)三个波段的灰度值GrayR、Gray G、Gray B。
优选的，
所述转化模块用于将所述灰度值Gray R、Gray G、Gray B按照转化公式Gray a＝1.4749*(0.2213*Gray R-0.3390*Gray G+0.1177*Gray B)+128、Grayb＝0.6245*(0.1949*Gray R+0.6057*Gray G-0.8006*Gray B)+128转化为Lab色彩空间下的灰度值Gray a、Gray b。
本发明实施例的有益效果是：根据不同面额的待检测钞票颜色区分度大，获取待检测钞票的RGB图像；计算RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b，最后将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，对不同面额钞票进行有效鉴别，提高面值的识别率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本发明实施例一种基于Lab色彩空间的钞票分类鉴别方法的一个实施例的流程示意图；
图2是本发明实施例一种基于Lab色彩空间的钞票分类鉴别方法的另一个实施例的流程示意图；
图3是本发明实施例一种基于Lab色彩空间的钞票分类鉴别装置的一个实施例结构示意图。
具体实施方式
本发明实施例提供一种基于Lab色彩空间的钞票分类鉴别方法和装置，用于提高面值的识别率。
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做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。
请参阅图1，本发明一种基于Lab色彩空间的钞票分类鉴别方法的一个实施例包括：
101、获取待检测钞票的RGB图像；
本实施例中，获取待检测钞票的RGB图像。
102、计算RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值
Gray R、Gray G、Gray B；
本实施例中，通过获取到的RGB图像计算出其在在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B。
103、将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；
本实施例中，按照公式将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；Lab色度空间由亮度分量L和两个色度分量组成,这两个色度分量分别是从绿到红的a分量和从蓝到黄的b分量。
104、将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出待检测钞票的类别。
本实施例中，将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出待检测钞票的类别。
本实施例中，根据不同面额的待检测钞票颜色区分度大，获取待检测钞票的RGB图像；计算RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b，最后将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，对不同面额钞票进行有效鉴别，提高面值的识别率。
请参阅图2，本发明一种基于Lab色彩空间的钞票分类鉴别方法的另一个实施例包括：
201、提取待检测钞票的完整区域；
本实施例中，可以利用边缘检测算法，定位获取完整的钞票区域。
202、通过多光谱识别装置获取完整区域的RGB图像；
本实施例中，利用多光谱识别装置获取待检测钞票的完整区域在R.G.B光谱下的图像。
203、选取RGB图像的毛泽东头像区域作为目标区域；
本实施例中，主要针对第五套的10元、20元、50元、100元4种面值钞票进行识别，根据人眼感知的颜色，人民币100元图案特征呈现为红色，50元呈现为绿色，20元呈现为偏黄色，10元呈现为偏蓝色，选取钞票颜色信息最丰富的“毛泽东头像”区域作为目标区域。
204、根据目标区域计算出在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；
本实施例中，根据群定的目标区域计算出在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B。
205、将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；
本实施例中，按照转化公式：
Gray a＝1.4749*(0.2213*Gray R-0.3390*Gray G+0.1177*Gray B)+128
Gray b＝0.6245*(0.1949*Gray R+0.6057*Gray G-0.8006*Gray B)+128
将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b。
需要说明的是，按照L.a.b色彩空间模型，应该重点用坐标轴a的正向分量描述100元颜色特征，用坐标轴a的负向分量描述50元的颜色特征，用坐标轴b的正向分量描述20元的颜色特征，用坐标轴b的负向分量描述10元的颜色特征。同时，特征描述的方法还包括了同一面值分量a与分量b的之间的关系。
206、将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出待检测钞票的类别。
本实施例中，设定X＝|Gray a|,Y＝|Gray b|,E＝Gray a,F＝Gray b，则预设公式分别为：
预设公式1，当满足E*F>0且X-Y>20，为人民币100元；
预设公式2，当满足E*F<0且X-Y>10，为人民币50元；
预设公式3，当满足E*F>0且X-Y<5，为人民币20元；
预设公式4，当满足E<0且X-Y<10，为人民币10元。
本实施例中，经过公式转化，不同面值的人民币在Lab空间下的特征值可以如下：
不同面值在亮度分量Gray L的差异并不大，因此不作为判断的参考，从上表看出，以100元为例，Gray a的值为正数，且绝对值分量越大(|Gray a|＞|Grayb|)，表示颜色越红，而50元Gray a的值为负数，且绝对值分量越大(|Gray a|＞|Gray b|)表示颜色越绿。因此可以确定为X＝|Gray a|,Y＝|Gray b|,E＝Graya,F＝Gray b之间的关系作为判断依据。
本实施例中，首先根据不同面额的待检测钞票颜色区分度大，获取待检测钞票的RGB图像；计算RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b，最后将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，对不同面额钞票进行有效鉴别，提高面值的识别率；
其次，选取|Gray a|、|Gray b|,Gray a、Gray b作为判断依据，提高了操作的灵活性。
请参阅图3，本发明一种基于Lab色彩空间的钞票分类鉴别装置，包括：
获取模块301，用于获取待检测钞票的RGB图像；
处理模块302，用于计算获取模块获取的RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；
转化模块303，用于将处理模块302计算出的Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；
判断模块304，用于将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出待检测钞票的类别。
判断模块304可以进一步包括：
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差大于20时，判断模块304确定待检测钞票为100元；
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差小于5时，判断模块304确定所述待检测钞票为20元；
当Gray a与Gray b乘积小于零，且Gray a的绝对值与Gray b的绝对值之差大于10时，判断模块304确定待检测钞票为50元；
当Gray a小于零，且Gray a的绝对值与Gray b的绝对值之差小于10时，判断模块304确定待检测钞票为10元。
进一步的，获取模块301可以通过多光谱识别装置获取待检测钞票的完整区域的RGB图像。
进一步的，处理模块302可以提取出RGB图像中的毛泽东区域作为目标区域，并根据目标区域计算出灰度值Gray R、Gray G、Gray B。
进一步的，转化模块303可以将灰度值Gray R、Gray G、Gray B按照转化公式Gray a＝1.4749*(0.2213*Gray R-0.3390*Gray G+0.1177*Gray B)+128、Gray b＝0.6245*(0.1949*Gray R+0.6057*Gray G-0.8006*Gray B)+128转化为Lab色彩空间下的灰度值Gray a、Gray b。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于Lab色彩空间的钞票分类鉴别方法，其特征在于，包括：
获取待检测钞票的RGB图像；
计算所述RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；
将所述Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；
将所述Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出所述待检测钞票的类别。
2.根据权利要求1所述的方法，其特征在于，将所述Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出所述待检测钞票的类别包括：
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差大于20时，则所述待检测钞票为100元；
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差小于5时，则所述待检测钞票为20元；
当Gray a与Gray b乘积小于零，且Gray a的绝对值与Gray b的绝对值之差大于10时，则所述待检测钞票为50元；
当Gray a小于零，且Gray a的绝对值与Gray b的绝对值之差小于10时，则所述待检测钞票为10元。
3.根据权利要求1所述的方法，其特征在于，获取待检测钞票的RGB图像包括：
提取所述待检测钞票的完整区域；
通过多光谱识别装置获取所述完整区域的RGB图像。
4.根据权利要求3所述的方法，其特征在于，计算所述RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B包括：
选取所述RGB图像的毛泽东头像区域作为目标区域；
根据所述目标区域计算出在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B。
5.根据权利要求1所述的方法，其特征在于，将所述Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b包括：
转化公式分别为
Gray a＝1.4749*(0.2213*Gray R-0.3390*Gray G+0.1177*Gray B)+128、
Gray b＝0.6245*(0.1949*Gray R+0.6057*Gray G-0.8006*Gray B)+128；
将所述Gray R、Gray G、Gray B代入所述转化公式得出Gray a、Gray b。
6.一种基于Lab色彩空间的钞票分类鉴别装置，其特征在于，包括：
获取模块，用于获取待检测钞票的RGB图像；
处理模块，用于计算所述获取模块获取的RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；
转化模块，用于将所述处理模块计算出的Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；
判断模块，用于将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出待检测钞票的类别。
7.根据权利要求6所述的装置，其特征在于，
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差大于20时，所述判断模块确定所述待检测钞票为100元；
当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之差小于5时，所述判断模块确定所述待检测钞票为20元；
当Gray a与Gray b乘积小于零，且Gray a的绝对值与Gray b的绝对值之差大于10时，所述判断模块确定所述待检测钞票为50元；
当Gray a小于零，且Gray a的绝对值与Gray b的绝对值之差小于10时，所述判断模块确定所述待检测钞票为10元。
8.根据权利要求6所述的装置，其特征在于，所述获取模块通过多光谱识别装置获取所述待检测钞票的完整区域的RGB图像。
9.根据权利要求8所述的装置，其特征在于，所述处理模块提取出所述RGB图像中的毛泽东区域作为目标区域，并根据所述目标区域计算出在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B。
10.根据权利要求6所述的装置，其特征在于，所述转化模块用于将所述灰度值Gray R、Gray G、Gray B按照转化公式Gray a＝1.4749*(0.2213*GrayR-0.3390*Gray G+0.1177*Gray B)+128、Gray b＝0.6245*(0.1949*GrayR+0.6057*Gray G-0.8006*Gray B)+128转化为Lab色彩空间下的灰度值Graya、Gray b。
CN201510033336.2A 2015-01-22 2015-01-22 一种基于Lab色彩空间的钞票分类鉴别方法和装置 Active CN104537756B (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201510033336.2A CN104537756B (zh) 2015-01-22 2015-01-22 一种基于Lab色彩空间的钞票分类鉴别方法和装置
US15/541,705 US20180005478A1 (en) 2015-01-22 2015-06-29 Banknote classification and identification method and device based on lab color space
RU2017127919A RU2661529C1 (ru) 2015-01-22 2015-06-29 Способ и устройство классификации и идентификации банкнот на основе цветового пространства lab
EP15878501.4A EP3249618B1 (en) 2015-01-22 2015-06-29 Banknote classification and identification method and device based on lab color space
PCT/CN2015/082615 WO2016115829A1 (zh) 2015-01-22 2015-06-29 一种基于Lab色彩空间的钞票分类鉴别方法和装置
ZA2017/04880A ZA201704880B (en) 2015-01-22 2017-07-18 Banknote classification and identification method and device based on lab color space
HK18104832.4A HK1245479A1 (zh) 2015-01-22 2018-04-13 一種基於lab色彩空間的鈔票分類鑒別方法和裝置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510033336.2A CN104537756B (zh) 2015-01-22 2015-01-22 一种基于Lab色彩空间的钞票分类鉴别方法和装置

Publications (2)

Publication Number Publication Date
CN104537756A true CN104537756A (zh) 2015-04-22
CN104537756B CN104537756B (zh) 2018-04-20

Family

ID=52853275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510033336.2A Active CN104537756B (zh) 2015-01-22 2015-01-22 一种基于Lab色彩空间的钞票分类鉴别方法和装置

Country Status (7)

Country Link
US (1) US20180005478A1 (zh)
EP (1) EP3249618B1 (zh)
CN (1) CN104537756B (zh)
HK (1) HK1245479A1 (zh)
RU (1) RU2661529C1 (zh)
WO (1) WO2016115829A1 (zh)
ZA (1) ZA201704880B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069900A (zh) * 2015-08-14 2015-11-18 深圳怡化电脑股份有限公司 一种处理纸币信息的方法及装置
CN105261108A (zh) * 2015-10-15 2016-01-20 深圳怡化电脑股份有限公司 一种人民币币值识别的方法和系统
WO2016115829A1 (zh) * 2015-01-22 2016-07-28 广州广电运通金融电子股份有限公司 一种基于Lab色彩空间的钞票分类鉴别方法和装置
CN106530482A (zh) * 2016-11-03 2017-03-22 深圳怡化电脑股份有限公司 纸币币值的识别方法及装置
WO2017079904A1 (zh) * 2015-11-10 2017-05-18 深圳怡化电脑股份有限公司 一种货币面值的识别方法及装置
CN108416894A (zh) * 2018-03-08 2018-08-17 惠州学院 智能扫描货币鉴别方法、装置、存储介质及系统
CN111415450A (zh) * 2019-01-08 2020-07-14 深圳怡化电脑股份有限公司 票据涂改的检测方法及其检测装置、计算机存储介质
CN112634796A (zh) * 2020-12-08 2021-04-09 合肥金人科技有限公司 一种客运站智能语音系统
CN113487641A (zh) * 2021-08-03 2021-10-08 致真存储(北京)科技有限公司 一种基于stt-mram的图像边缘检测方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085885A (zh) * 2020-09-24 2020-12-15 理光图像技术（上海）有限公司 票证识别装置以及票证信息管理系统

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101253760A (zh) * 2005-08-31 2008-08-27 佳能株式会社 图像处理设备及其方法
CN101908241A (zh) * 2010-08-03 2010-12-08 广州广电运通金融电子股份有限公司 有价文件识别方法及其识别系统
CN102138165A (zh) * 2008-07-29 2011-07-27 梅伊有限公司 基于通货项的谱响应来分类和区分通货项
WO2012045472A2 (de) * 2010-10-08 2012-04-12 Giesecke & Devrient Gmbh Verfahren zum prüfen eines optischen sicherheitsmerkmals eines wertdokuments
CN102439635A (zh) * 2009-04-08 2012-05-02 梅伊有限公司 表征货币物品
CN102750771A (zh) * 2012-07-13 2012-10-24 中山大学 一种应用于智能手机的第五套人民币面额识别方法
CN103020996A (zh) * 2012-12-28 2013-04-03 昆山市工业技术研究院有限责任公司 基于Lab空间的图像偏色的检测方法
CN103234975A (zh) * 2013-03-29 2013-08-07 西安理工大学 一种棉花异性纤维的检测定位方法
CN103400146A (zh) * 2013-07-19 2013-11-20 北京工业大学 基于颜色建模的中医面色识别方法
CN103402117A (zh) * 2013-08-06 2013-11-20 夏东 基于Lab色度空间的视频图像偏色检测方法
CN103729863A (zh) * 2013-12-06 2014-04-16 南京金智视讯技术有限公司 基于自主学习的交通信号灯全自动定位识别的方法
CN103793888A (zh) * 2014-02-18 2014-05-14 厦门美图网科技有限公司 一种基于参照图像的主要颜色的图像增强方法
CN103824373A (zh) * 2014-01-27 2014-05-28 辰通智能设备(深圳)有限公司 一种票据图像金额分类方法及系统
CN103827929A (zh) * 2011-09-26 2014-05-28 德国捷德有限公司 用于检查有价文件的光学防伪特征的生产质量的方法
CN104168478A (zh) * 2014-07-29 2014-11-26 银江股份有限公司 基于Lab空间及相关性函数的视频图像偏色检测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8921473B1 (en) * 2004-04-30 2014-12-30 Sydney Hyman Image making medium
KR100718728B1 (ko) * 2005-07-21 2007-05-16 주식회사 씨텍 지폐 권종 인식 방법 및 장치
RU2449364C2 (ru) * 2006-07-19 2012-04-27 Б-Кор Инк. Оптический символ, предмет, на котором закреплен оптический символ, способ крепления оптического символа на предмете, способ декодирования оптического символа, соответствующее устройство и соответствующая программа
KR101342826B1 (ko) * 2007-05-29 2013-12-17 주식회사 엘지씨엔에스 컬러센서가 적용된 매체인식장치 및 그 제어방법
EP2246825B1 (en) * 2009-04-28 2014-10-08 Banqit AB Method for a banknote detector device, and a banknote detector device
CN102063758B (zh) * 2009-11-16 2012-12-26 深圳市中钞科信金融科技有限公司 一种钞票纸纹理的检测方法和装置
DE102009058439A1 (de) * 2009-12-16 2011-06-22 Giesecke & Devrient GmbH, 81677 Verfahren zur Prüfung von Wertdokumenten
CN104167045A (zh) * 2014-04-30 2014-11-26 昆山古鳌电子机械有限公司 一种纸币交易装置
CN104036290A (zh) * 2014-06-11 2014-09-10 新达通科技股份有限公司 一种纸币面值识别方法及装置
CN104537756B (zh) * 2015-01-22 2018-04-20 广州广电运通金融电子股份有限公司 一种基于Lab色彩空间的钞票分类鉴别方法和装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101253760A (zh) * 2005-08-31 2008-08-27 佳能株式会社 图像处理设备及其方法
CN102138165A (zh) * 2008-07-29 2011-07-27 梅伊有限公司 基于通货项的谱响应来分类和区分通货项
CN102439635A (zh) * 2009-04-08 2012-05-02 梅伊有限公司 表征货币物品
CN101908241A (zh) * 2010-08-03 2010-12-08 广州广电运通金融电子股份有限公司 有价文件识别方法及其识别系统
WO2012045472A2 (de) * 2010-10-08 2012-04-12 Giesecke & Devrient Gmbh Verfahren zum prüfen eines optischen sicherheitsmerkmals eines wertdokuments
US20130170747A1 (en) * 2010-10-08 2013-07-04 Giesecke & Devrient Gmbh Method for checking an optical security feature of a value document
CN103827929A (zh) * 2011-09-26 2014-05-28 德国捷德有限公司 用于检查有价文件的光学防伪特征的生产质量的方法
CN102750771A (zh) * 2012-07-13 2012-10-24 中山大学 一种应用于智能手机的第五套人民币面额识别方法
CN103020996A (zh) * 2012-12-28 2013-04-03 昆山市工业技术研究院有限责任公司 基于Lab空间的图像偏色的检测方法
CN103234975A (zh) * 2013-03-29 2013-08-07 西安理工大学 一种棉花异性纤维的检测定位方法
CN103400146A (zh) * 2013-07-19 2013-11-20 北京工业大学 基于颜色建模的中医面色识别方法
CN103402117A (zh) * 2013-08-06 2013-11-20 夏东 基于Lab色度空间的视频图像偏色检测方法
CN103729863A (zh) * 2013-12-06 2014-04-16 南京金智视讯技术有限公司 基于自主学习的交通信号灯全自动定位识别的方法
CN103824373A (zh) * 2014-01-27 2014-05-28 辰通智能设备(深圳)有限公司 一种票据图像金额分类方法及系统
CN103793888A (zh) * 2014-02-18 2014-05-14 厦门美图网科技有限公司 一种基于参照图像的主要颜色的图像增强方法
CN104168478A (zh) * 2014-07-29 2014-11-26 银江股份有限公司 基于Lab空间及相关性函数的视频图像偏色检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
董静等: "颜色传感器在人民币纸币识别系统中的应用", 《微型机与应用》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016115829A1 (zh) * 2015-01-22 2016-07-28 广州广电运通金融电子股份有限公司 一种基于Lab色彩空间的钞票分类鉴别方法和装置
CN105069900A (zh) * 2015-08-14 2015-11-18 深圳怡化电脑股份有限公司 一种处理纸币信息的方法及装置
CN105261108A (zh) * 2015-10-15 2016-01-20 深圳怡化电脑股份有限公司 一种人民币币值识别的方法和系统
CN105261108B (zh) * 2015-10-15 2018-06-19 深圳怡化电脑股份有限公司 一种人民币币值识别的方法和系统
WO2017079904A1 (zh) * 2015-11-10 2017-05-18 深圳怡化电脑股份有限公司 一种货币面值的识别方法及装置
CN106530482A (zh) * 2016-11-03 2017-03-22 深圳怡化电脑股份有限公司 纸币币值的识别方法及装置
CN108416894A (zh) * 2018-03-08 2018-08-17 惠州学院 智能扫描货币鉴别方法、装置、存储介质及系统
CN111415450A (zh) * 2019-01-08 2020-07-14 深圳怡化电脑股份有限公司 票据涂改的检测方法及其检测装置、计算机存储介质
CN112634796A (zh) * 2020-12-08 2021-04-09 合肥金人科技有限公司 一种客运站智能语音系统
CN113487641A (zh) * 2021-08-03 2021-10-08 致真存储(北京)科技有限公司 一种基于stt-mram的图像边缘检测方法及装置

Also Published As

Publication number Publication date
RU2661529C1 (ru) 2018-07-17
ZA201704880B (en) 2019-07-31
HK1245479A1 (zh) 2018-08-24
EP3249618A4 (en) 2018-02-14
CN104537756B (zh) 2018-04-20
US20180005478A1 (en) 2018-01-04
EP3249618B1 (en) 2020-08-05
WO2016115829A1 (zh) 2016-07-28
EP3249618A1 (en) 2017-11-29

Similar Documents

Publication Publication Date Title
CN104537756A (zh) 一种基于Lab色彩空间的钞票分类鉴别方法和装置
CN106295656B (zh) 基于图像色块内容的图像轮廓特征提取方法和装置
Feng et al. An efficient detection method for rare colored capsule based on RGB and HSV color space
CN101882223B (zh) 人体肤色的测评方法
CN101930596A (zh) 一种复杂光照下的两步法颜色恒常性方法
CN109300110A (zh) 一种基于改进颜色模型的森林火灾图像检测方法
Li et al. Vehicle color recognition using vector matching of template
CN104574642A (zh) 一种基于Lab色彩空间的人民币变色油墨检测方法和装置
Lee et al. Color image enhancement using histogram equalization method without changing hue and saturation
CN107623845A (zh) 一种基于先验知识的图像处理方法及装置
CN109583330A (zh) 一种用于人脸照片的毛孔检测方法
CN106447603A (zh) 一种彩色图像灰度化方法
Wang et al. Crop disease leaf image segmentation method based on color features
CN105335980B (zh) 一种适合图像sift特征匹配的彩色图像转亮度图像方法
Pele et al. Improving perceptual color difference using basic color terms
CN108550124A (zh) 一种基于仿生螺线的光照补偿及图像增强方法
Berbar Novel colors correction approaches for natural scenes and skin detection techniques
CN107680050A (zh) 一种用于amoled驱动的色彩还原方法
Wu et al. Detecting human face in color images
Manjare et al. Skin detection for face recognition based on HSV color space
CN113705681A (zh) 一种基于机器学习的口红色号识别方法
CN113658157A (zh) 一种基于hsv空间的颜色分割方法及装置
Bian et al. Research of face detection system based on skin-tone feature
Shi et al. A color-to-gray conversion based on visual feature extraction of JND
Santos et al. Iris recognition: Preliminary assessment about the discriminating capacity of visible wavelength data

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant