CN106934922A - 一种纸币检测方法及装置 - Google Patents
一种纸币检测方法及装置 Download PDFInfo
- Publication number
- CN106934922A CN106934922A CN201710153687.6A CN201710153687A CN106934922A CN 106934922 A CN106934922 A CN 106934922A CN 201710153687 A CN201710153687 A CN 201710153687A CN 106934922 A CN106934922 A CN 106934922A
- Authority
- CN
- China
- Prior art keywords
- bank note
- image
- measured
- setting regions
- gray
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种纸币检测方法及装置,该方法包括:获取待测纸币上设定区域的图像;基于完整局部二值模式CLBP将设定区域的图像和模板图像进行处理,其中,模板图像为未被污损的纸币上设定区域的图像;获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离;若余弦距离小于第一余弦距离阈值,则确定待测纸币为污损。本发明实施例能够提高纸币污损检测的速度。
Description
技术领域
本发明实施例涉及纸币检测技术,尤其涉及一种纸币检测方法及装置。
背景技术
随着经济的繁荣发展,纸币的流通量越来越大,也使得人民币流通变得越来越容易。由于每天流通在市面上的纸币数量非常巨大,纸币的污损类型多样,增加了银行、金融等需要直接处理纸币的相关部门对纸币的整理工作,也增加了纸币真伪辨识的难度,如何快速准确的检测纸币污损是一个难题。
发明内容
本发明实施例提供一种纸币检测方法及装置,以提高纸币污损检测的速度。
第一方面,本发明实施例提供了一种纸币检测方法,包括:
获取待测纸币上设定区域的图像;
基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,其中,所述模板图像为未被污损的纸币上设定区域的图像;
获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离;
若所述余弦距离小于第一余弦距离阈值,则确定待测纸币为污损。
进一步的,所述基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理之前,还包括:
对设定区域的图像进行灰度拉伸,并进行直方图统计;
根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币;
所述基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,具体为:
基于完整局部二值模式CLBP将所述待定纸币的设定区域的图像和模板图像进行处理。
进一步的,所述根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币,包括:
计算所述设定区域的图像内像素点的灰度值中在第一灰度阈值至第二灰度阈值之间的灰度值所占的比例;
若所述比例大于预设阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
进一步的,所述根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币,包括:
计算所述设定区域的图像内像素点的灰度值中大于第三灰度阈值的特殊灰度值;
统计所述特殊灰度值的个数;
若所述特殊灰度值的个数大于第四灰度阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
进一步的,所述第一灰度阈值为0,第二灰度阈值为15。
第二方面,本发明实施例还提供了一种纸币检测装置,该装置包括:
第一获取模块,用于获取待测纸币上设定区域的图像;
处理模块,用于基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,其中,所述模板图像为未被污损的纸币上设定区域的图像;
第二获取模块,用于获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离;
第一确定模块,用于若所述余弦距离小于第一余弦距离阈值,则确定待测纸币为污损。
进一步的,还包括:
统计模块,用于在所述基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理之前,对设定区域的图像进行灰度拉伸,并进行直方图统计;
第二确定模块,用于根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币;
所述处理模块,具体用于:
基于完整局部二值模式CLBP将所述待定纸币的设定区域的图像和模板图像进行处理。
进一步的,所述第二确定模块包括:
第一计算单元,用于计算所述设定区域的图像内像素点的灰度值中在第一灰度阈值至第二灰度阈值之间的灰度值所占的比例;
第一确定单元,用于若所述比例大于预设阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
进一步的,所述第二确定模块包括:
第二计算单元,用于计算所述设定区域的图像内像素点的灰度值中大于第三灰度阈值的特殊灰度值;
统计单元,用于统计所述特殊灰度值的个数;
第二确定单元,用于若所述特殊灰度值的个数大于第四灰度阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
进一步的,所述第一灰度阈值为0,第二灰度阈值为15。
本发明实施例通过基于完整局部二值模式CLBP将待测纸币上设定区域的图像和模板图像进行处理,模板图像为未被污损的纸币上设定区域的图像,获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离,若余弦距离小于第一余弦距离阈值,则确定待测纸币为污损,能够提高纸币污损检测的速度。
附图说明
图1A为本发明实施例一中的一种纸币检测方法的流程图;
图1B为本发明实施例一中的待测纸币的示意图;
图1C为本发明实施例一中的设定区域的图像;
图2A是本发明实施例二中的一种纸币检测方法的流程图;
图2B为本发明实施例二中的直方图;
图3是本发明实施例三中的一种纸币检测装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A为本发明实施例一提供的一种纸币检测方法的流程图,本实施例可适用于纸币检测的情况,该方法可以由本发明实施例中的纸币检测装置来执行,该装置可采用软件和/或硬件的方式实现,如图1A所示,该方法具体包括如下步骤:
S110,获取待测纸币上设定区域的图像。
其中,所述设定区域为纸币上的黑水印区域,所述黑水印区域的颜色接近白色,颜色较纸币其他区域的颜色浅,若纸币污损,则黑水印区域的颜色可能加深,因此可以通过对黑水印区域的图像进行处理进而判断纸币是否污损。
具体的,如图1B所述,待测纸币410上的420区域的图像为设定区域的图像,即黑水印区域。获取待测纸币410上的420区域的图像。得到如图1C所示的设定区域的图像。
S120,基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,其中,所述模板图像为未被污损的纸币上设定区域的图像。
其中,LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子。基于LBP的算法计算简单,具有灰度不变性和旋转不变性等优势,并且对光照有一定的抑制作用,但是LBP算法对噪声敏感,只考虑中心像素与邻域像素的差值符号特征,没有考虑差值幅度,丢失一部分信息。为此,提出了完整局部二值模式(CLBP,CompletedLocal Binary Pattern),CLBP提取的特征比较全面且具有较强的鉴别能力。CLBP算子包括三个部分:中心像素的LBP(CLBP_C)、符号部分的LBP(CLBP_S)、数值部分的LBP(CLBP_M)。该方法首先采用CLBP算子提取设定区域图像的直方图;然后融合成CLBP直方图,进行直方图相似性比较;最后根据最近邻原则进行识别。该方法得到的结果比LBP效果更好,鲁棒性更高。
具体的,基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,首先对设定区域的图像和模板图像进行一系列的预处理;然后对预处理后的设定区域的图像和模板图像采用CLBP_C,CLBP_S和CLBP_M算子提取后分别形成三个不同的直方图,融合成CLBP直方图。基于完整局部二值模式CLBP将所述设定区域的图像和模板图像转化为特征向量。
具体的,对图像进行CLBP处理,也就是将图像转化为向量(把图像拉成1维),对图像进行CLBP处理,能够让灰度跳变更加明显。
S130,获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离。
其中,余弦距离,也称为余弦相似度,是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。向量,是多维空间中有方向的线段,如果两个向量的方向一致,即夹角接近零,那么这两个向量就相近。而要确定两个向量方向是否一致,这就要用到余弦定理计算向量的夹角。在本发明实施例中所述余弦距离指的是两个向量之间的相似度,如果两个向量相似,则余弦距离比较大,如果两个向量夹角为90度,则余弦距离为0,也就是说余弦距离越大越好。
具体的,获取设定区域的图像和模板图像转化后的特征向量之间的余弦距离。
S140,若所述余弦距离小于第一余弦距离阈值,则确定待测纸币为污损。
具体的,通过图像采集设备,针对任一种面额的未被污损的纸币图像采集设定区域的图像,所述训练样本中训练图像的个数以足够训练为宜,先对训练样本中各个训练图像的大小按照预设尺寸进行归一化,再对各个训练图像进行纹理特征提取。针对各种面额的纸币,得到各个面额纸币对应的设定区域的图像的特征值的取值范围,从而对污损纸币进行区分。当采集到任一张待测纸币图像,得到待检验纸币图像的特征向量,计算该特征向量与对应面额纸币模板图像的特征向量的余弦距离,判断该余弦距离是否小于第一余弦距离阈值,从而判断待测纸币是否污损。
具体的,通过CLBP对污损进行检测,与传统的LBP特征不同的是,像素值差分为符号和幅值两项考虑,采用基于CLBP将处理后的图像转化为特征向量,判断条件根据余弦距离,即与模板图像进行比较,当小于一定阈值的时候即为污损。
在一个具体的例子中,若所述模板图像为未被污损的纸币上设定区域的图像。设定区域的图像和模板图像转化后的特征向量之间的角度越小,设定区域的图像和模板图像转化后的特征向量之间的余弦距离越大,纸币污损越小。
本实施例的技术方案,通过基于完整局部二值模式CLBP将待测纸币上设定区域的图像和模板图像进行处理,模板图像为未被污损的纸币上设定区域的图像,获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离,若余弦距离小于第一余弦距离阈值,则确定待测纸币为污损,能够提高纸币污损检测的速度。
实施例二
图2A为本发明实施例二中的一种纸币检测方法的流程图,本实施例以上述实施例为基础进行优化,在本实施例中,所述基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理之前,还包括:对设定区域的图像进行灰度拉伸,并进行直方图统计;根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币;所述基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,具体为:基于完整局部二值模式CLBP将所述待定纸币的设定区域的图像和模板图像进行处理。
由此,先通过对设定区域的图像进行灰度拉伸,并进行直方图统计;根据直方图统计结果确定待测纸币为污损纸币或待定纸币,然后基于完整局部二值模式CLBP将通过直方图确定的待定纸币的设定区域的图像和模板图像进行处理,先将污损比较严重的待测纸币检测出来,再将剩余的待定纸币中的污损纸币检测出来,能够提高纸币检测速度。
如图2A所示,本实施例的方法具体包括如下步骤:
S210,获取待测纸币上设定区域的图像。
S220,对设定区域的图像进行灰度拉伸,并进行直方图统计。
其中,灰度拉伸又叫对比度拉伸,它是最基本的一种灰度变换,使用的是最简单的分段线性变换函数,它的主要思想是提高图像处理时灰度级的动态范围。
具体的,每一个像素点都对应有灰度值,例如可以是,A像素点的灰度值为20,B像素点的灰度值为100,A、B像素点的灰度值之差为80。将A、B两点的灰度值都扩大3倍,则A像素点的灰度值变为60,B像素点的灰度值为255(由于灰度图像的灰度值为0-255,因此不可能出现灰度值为300的情况),进行灰度拉伸后A、B像素点的灰度值之差为195,比之前的灰度值之差为80大很多,因此对比度更强。例如也可以是,获取特征区域的像素点灰度值的最大值和最小值,根据最大值和最小值之差确定扩大倍数。本实施例对具体灰度拉伸的方法不进行限制。
其中,所述直方图是关于灰度等级分布的函数,是对图像中灰度级分布的统计。所述直方图是将图像中的所有像素的灰度值,按照灰度值的大小,统计其出现的频率。
S230,根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币。
其中,所述待定纸币包括被污损的纸币和未被污损的纸币,由于纸币污损的不是很明显因此通过直方图统计结果不能确定纸币为污损纸币,所以将通过直方图统计结果确定的未被污损的纸币定义为待定纸币。
S240,基于完整局部二值模式CLBP将所述待定纸币的设定区域的图像和模板图像进行处理。
具体的,通过直方图统计结果虽纸币进行检测是否为污损只能够将污损比较严重的纸币区分出来。只有基于完整局部二值模式CLBP对图像进行处理之后才能够将所有污损的纸币与未被污损的纸币区分,但是由于基于完整局部二值模式CLBP对图像进行处理相对比较复杂,且需要检测的纸币较多,因此先通过直方图统计结果确定污损比较严重的纸币,将剩余的纸币通过完整局部二值模式CLBP对图像进行处理检测是否为污损纸币。
S250,获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离。
S260,若所述余弦距离小于第一余弦距离阈值,则确定待测纸币为污损。
可选的,所述根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币,包括:
计算所述设定区域的图像内像素点的灰度值中在第一灰度阈值至第二灰度阈值之间的灰度值所占的比例;
若所述比例大于预设阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
可选的,所述第一灰度阈值为0,第二灰度阈值为15。
具体的,计算设定区域的图像内像素点的灰度值在0~15之间的灰度值占设定区域图像的面积的比例。若比例大于预设阈值,则确定待测纸币为污损纸币,否则确定待测纸币为待定纸币。
可选的,所述根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币,包括:
计算所述设定区域的图像内像素点的灰度值中大于第三灰度阈值的特殊灰度值;
统计所述特殊灰度值的个数;
若所述特殊灰度值的个数大于第四灰度阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
具体的,正常情况下,灰度值为0的像素点个数大于第三灰度阈值,则记录灰度值0,灰度值为1的像素点个数大于第三灰度阈值,则记录灰度值1。以此类推,记录的灰度值个数大于第四灰度阈值,则确定所述待测纸币为污损纸币。
具体的,截取出需要检测的特征区域,对特征区域进行灰度拉伸,并进行直方图统计;如果纸币有污损,其直方图统计会有较大变化(像素点灰度值会有变化,0是黑色,255最亮,灰度值0~15颜色深。有污损的情况下,直方图中,0~15颜色深的像素点个数增多),例如当是正常的情况下,灰度值(例如灰度值为0~15)所占的比例在一定的阈值范围内,而当出现污损时,其一些灰度值的比例将会增大,因此可以根据以上进行判断,具体计算方法是:(1)GrayValue(灰度值)从灰度值为0循环到一定的灰度阈值(例如可以是灰度阈值为15);(2)计算比例=GrayValue/(width*height),这里的width为特征区域的宽度,height为特征区域的高度,width*height=特征区域的面积。比例指的是灰度值为0~15的像素点个数除以特征区域的面积:也就是说,比较的是,相同特征区域的情况下,灰度值为0~15所占的比例。并与正常的未必污损的纸币模版进行比较,当与模板相比模版灰度值超过一定阈值则记录下该灰度;(3)如图2B所示,图中的横纵坐标分别表示:灰度值、灰度值所占的比例。正常情况下,灰度值为0~15的像素点个数除以特征区域的面积所得的比例值在620范围内。当出现污损情况时,其就不在该范围内,灰度值为0~15的像素点个数除以特征区域的面积所得的比例值在610范围内,并且处于非聚簇的状态。当循环过程中有比例超过一定阈值的时候,则为污损纸币;在判断的时候还可以根据当超过一定阈值的比例超过一定阈值,则判断为污损;通过上述方法将待测纸币区分为污损纸币和待定纸币,进一步,通过CLBP对待定纸币进行检测,与传统的LBP特征不同的是,像素值差分为符号和幅值两项考虑,采用基于CLBP将处理后的图像转化为特征向量,判断条件根据余弦距离,即与模板进行比较,当小于一定阈值的时候即为污损。
本实施例的技术方案,先通过对设定区域的图像进行灰度拉伸,并进行直方图统计;根据直方图统计结果确定待测纸币为污损纸币或待定纸币,然后基于完整局部二值模式CLBP将通过直方图确定的待定纸币的设定区域的图像和模板图像进行处理,先将污损比较严重的待测纸币检测出来,再将剩余的待定纸币中的污损纸币检测出来,能够提高纸币检测速度。
实施例三
图3为本发明实施例三的一种纸币检测装置的结构示意图。本实施例可适用于纸币检测的情况,该系统可采用软件和/或硬件的方式实现,该系统可集成在任何提纸币检测的设备中,如图3所示,所述纸币检测装置具体包括:第一获取模块310、处理模块320、第二获取模块330和第一确定模块340。
其中,第一获取模块310,用于获取待测纸币上设定区域的图像;
处理模块320,用于基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,其中,所述模板图像为未被污损的纸币上设定区域的图像;
第二获取模块330,用于获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离;
第一确定模块340,用于若所述余弦距离小于第一余弦距离阈值,则确定待测纸币为污损。
可选的,还包括:
统计模块,用于在所述基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理之前,对设定区域的图像进行灰度拉伸,并进行直方图统计;
第二确定模块,用于根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币;
所述处理模块320,具体用于:
基于完整局部二值模式CLBP将所述待定纸币的设定区域的图像和模板图像进行处理。
可选的,所述第二确定模块包括:
第一计算单元,用于计算所述设定区域的图像内像素点的灰度值中在第一灰度阈值至第二灰度阈值之间的灰度值所占的比例;
第一确定单元,用于若所述比例大于预设阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
可选的,所述第二确定模块包括:
第二计算单元,用于计算所述设定区域的图像内像素点的灰度值中大于第三灰度阈值的特殊灰度值;
统计单元,用于统计所述特殊灰度值的个数;
第二确定单元,用于若所述特殊灰度值的个数大于第四灰度阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
可选的,所述第一灰度阈值为0,第二灰度阈值为15。
本实施例的技术方案,通过基于完整局部二值模式CLBP将待测纸币上设定区域的图像和模板图像进行处理,模板图像为未被污损的纸币上设定区域的图像,获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离,若余弦距离小于第一余弦距离阈值,则确定待测纸币为污损,能够提高纸币污损检测的速度。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种纸币检测方法,其特征在于,包括:
获取待测纸币上设定区域的图像;
基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,其中,所述模板图像为未被污损的纸币上设定区域的图像;
获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离;
若所述余弦距离小于第一余弦距离阈值,则确定待测纸币为污损。
2.根据权利要求1所述的方法,其特征在于,所述基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理之前,还包括:
对设定区域的图像进行灰度拉伸,并进行直方图统计;
根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币;
所述基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,具体为:
基于完整局部二值模式CLBP将所述待定纸币的设定区域的图像和模板图像进行处理。
3.根据权利要求2所述的方法,其特征在于,所述根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币,包括:
计算所述设定区域的图像内像素点的灰度值中在第一灰度阈值至第二灰度阈值之间的灰度值所占的比例;
若所述比例大于预设阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
4.根据权利要求2所述的方法,其特征在于,所述根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币,包括:
计算所述设定区域的图像内像素点的灰度值中大于第三灰度阈值的特殊灰度值;
统计所述特殊灰度值的个数;
若所述特殊灰度值的个数大于第四灰度阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
5.根据权利要求3所述的方法,其特征在于,所述第一灰度阈值为0,第二灰度阈值为15。
6.一种纸币检测装置,其特征在于,包括:
第一获取模块,用于获取待测纸币上设定区域的图像;
处理模块,用于基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理,其中,所述模板图像为未被污损的纸币上设定区域的图像;
第二获取模块,用于获取处理后的特征区域的图像与处理后的图像模板之间的余弦距离;
第一确定模块,用于若所述余弦距离小于第一余弦距离阈值,则确定待测纸币为污损。
7.根据权利要求6所述的装置,其特征在于,还包括:
统计模块,用于在所述基于完整局部二值模式CLBP将所述设定区域的图像和模板图像进行处理之前,对设定区域的图像进行灰度拉伸,并进行直方图统计;
第二确定模块,用于根据直方图统计结果确定所述待测纸币为污损纸币或待定纸币;
所述处理模块,具体用于:
基于完整局部二值模式CLBP将所述待定纸币的设定区域的图像和模板图像进行处理。
8.根据权利要求7所述的装置,其特征在于,所述第二确定模块包括:
第一计算单元,用于计算所述设定区域的图像内像素点的灰度值中在第一灰度阈值至第二灰度阈值之间的灰度值所占的比例;
第一确定单元,用于若所述比例大于预设阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
9.根据权利要求7所述的装置,其特征在于,所述第二确定模块包括:
第二计算单元,用于计算所述设定区域的图像内像素点的灰度值中大于第三灰度阈值的特殊灰度值;
统计单元,用于统计所述特殊灰度值的个数;
第二确定单元,用于若所述特殊灰度值的个数大于第四灰度阈值,则确定所述待测纸币为污损纸币,否则确定所述待测纸币为待定纸币。
10.根据权利要求8所述的装置,其特征在于,所述第一灰度阈值为0,第二灰度阈值为15。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710153687.6A CN106934922A (zh) | 2017-03-15 | 2017-03-15 | 一种纸币检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710153687.6A CN106934922A (zh) | 2017-03-15 | 2017-03-15 | 一种纸币检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106934922A true CN106934922A (zh) | 2017-07-07 |
Family
ID=59433258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710153687.6A Pending CN106934922A (zh) | 2017-03-15 | 2017-03-15 | 一种纸币检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106934922A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460900A (zh) * | 2018-03-02 | 2018-08-28 | 深圳怡化电脑股份有限公司 | 一种计算纸币污损等级的方法、装置、设备及存储介质 |
CN111081340A (zh) * | 2019-12-04 | 2020-04-28 | 四川骏逸富顿科技有限公司 | 一种用于远程检测电子处方信息是否完整的方法 |
CN112990309A (zh) * | 2021-03-12 | 2021-06-18 | 随锐科技集团股份有限公司 | 检测仪表设备是否存在异物遮挡的方法及系统 |
CN113239767A (zh) * | 2021-04-30 | 2021-08-10 | 武汉卓目科技有限公司 | 一种基于机器学习的黑水印鉴别方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413375A (zh) * | 2013-07-05 | 2013-11-27 | 深圳市兆图电子有限公司 | 基于图像统计特征的纸币新旧判别系统及其判别方法 |
CN104200561A (zh) * | 2014-06-16 | 2014-12-10 | 华中科技大学 | 一种基于纹理特征识别具有字迹污损人民币的方法 |
CN104616392A (zh) * | 2015-01-30 | 2015-05-13 | 华中科技大学 | 一种基于局部二值模式的纸币鉴伪方法 |
CN104657709A (zh) * | 2015-02-05 | 2015-05-27 | 小米科技有限责任公司 | 人脸图像识别方法、装置及服务器 |
CN105243729A (zh) * | 2015-10-27 | 2016-01-13 | 深圳怡化电脑股份有限公司 | 一种识别纸币版本的方法及系统 |
CN105336035A (zh) * | 2015-10-28 | 2016-02-17 | 深圳怡化电脑股份有限公司 | 一种脏污冠字号图像分类的方法与系统 |
-
2017
- 2017-03-15 CN CN201710153687.6A patent/CN106934922A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413375A (zh) * | 2013-07-05 | 2013-11-27 | 深圳市兆图电子有限公司 | 基于图像统计特征的纸币新旧判别系统及其判别方法 |
CN104200561A (zh) * | 2014-06-16 | 2014-12-10 | 华中科技大学 | 一种基于纹理特征识别具有字迹污损人民币的方法 |
CN104616392A (zh) * | 2015-01-30 | 2015-05-13 | 华中科技大学 | 一种基于局部二值模式的纸币鉴伪方法 |
CN104657709A (zh) * | 2015-02-05 | 2015-05-27 | 小米科技有限责任公司 | 人脸图像识别方法、装置及服务器 |
CN105243729A (zh) * | 2015-10-27 | 2016-01-13 | 深圳怡化电脑股份有限公司 | 一种识别纸币版本的方法及系统 |
CN105336035A (zh) * | 2015-10-28 | 2016-02-17 | 深圳怡化电脑股份有限公司 | 一种脏污冠字号图像分类的方法与系统 |
Non-Patent Citations (3)
Title |
---|
童巨红: "基于图像处理的人民币纸币特征提取与识别的研究", 《武汉理工大学硕士论文》 * |
邓安良: "智能点验钞机的图像清分算法研究", 《南京理工大学硕士论文》 * |
郭鲁,魏颖: "基于完整的LBP纹理特征的高分辨率遥感图像分类", 《民营科技》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460900A (zh) * | 2018-03-02 | 2018-08-28 | 深圳怡化电脑股份有限公司 | 一种计算纸币污损等级的方法、装置、设备及存储介质 |
CN111081340A (zh) * | 2019-12-04 | 2020-04-28 | 四川骏逸富顿科技有限公司 | 一种用于远程检测电子处方信息是否完整的方法 |
CN111081340B (zh) * | 2019-12-04 | 2023-11-03 | 四川骏逸富顿科技有限公司 | 一种用于远程检测电子处方信息是否完整的方法 |
CN112990309A (zh) * | 2021-03-12 | 2021-06-18 | 随锐科技集团股份有限公司 | 检测仪表设备是否存在异物遮挡的方法及系统 |
CN112990309B (zh) * | 2021-03-12 | 2023-11-28 | 随锐科技集团股份有限公司 | 检测仪表设备是否存在异物遮挡的方法及系统 |
CN113239767A (zh) * | 2021-04-30 | 2021-08-10 | 武汉卓目科技有限公司 | 一种基于机器学习的黑水印鉴别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A simple guidance template-based defect detection method for strip steel surfaces | |
Wang et al. | Surface defect detection via entity sparsity pursuit with intrinsic priors | |
Guo et al. | A reliable method for paper currency recognition based on LBP | |
CN104464079B (zh) | 基于模板特征点及其拓扑结构的多币种面值识别方法 | |
CN107085883B (zh) | 一种纸币识别的方法和装置 | |
CN104616392B (zh) | 一种基于局部二值模式的纸币鉴伪方法 | |
CN106934922A (zh) | 一种纸币检测方法及装置 | |
CN106952393B (zh) | 纸币识别方法和装置、电子设备和存储介质 | |
CN107610322B (zh) | 纸币版本的识别方法、装置、电子设备以及存储介质 | |
US8385612B2 (en) | Fingerprint image background detection apparatus and detection method | |
CN104298989A (zh) | 基于斑马线红外图像特征的鉴伪方法及其系统 | |
Youn et al. | Efficient multi-currency classification of CIS banknotes | |
Mirza et al. | Design and implementation of indian paper currency authentication system based on feature extraction by edge based segmentation using Sobel operator | |
CN103886309A (zh) | 人像识别鉴别美元面额的方法 | |
Sharma et al. | Recognition of Indian paper currency based on LBP | |
Sharan et al. | Detection of counterfeit Indian currency note using image processing | |
Muhammad et al. | A non-intrusive method for copy-move forgery detection | |
CN106898078B (zh) | 一种港币版本的识别方法及装置 | |
CN104537364A (zh) | 一种基于纹理分析的美元纸币面额及版本识别方法 | |
Ali et al. | Recognition system for Pakistani paper currency | |
Gautam | Indian currency detection using image recognition technique | |
CN108806058A (zh) | 一种纸币检测方法及装置 | |
Akbar et al. | Original and counterfeit money detection based on edge detection | |
CN108711213B (zh) | 一种纸币斑马线黑白块的识别方法及装置 | |
CN106599923A (zh) | 一种对印防伪特征的检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170707 |
|
RJ01 | Rejection of invention patent application after publication |