CN108154596A - 一种基于图像匹配的双冠号纸币鉴伪方法 - Google Patents

Abstract

本发明公开了一种基于图像匹配的双冠号纸币鉴伪方法，其主要用于2015版人民币的鉴伪工作，且尤其适合于拼接币的鉴伪，这种方法首先通过多光谱识别设备将人民币进行识别，用白光图像提横排冠字号，用紫外图像提竖排冠字号，并将两组冠字号图像进行图像线性增强与otsu二值化处理以及字符切割和归一化操作，将归一化后的字符单元图像进行逐一匹配，只要有一个字符单元匹配的差异性较大，即输出该纸币为可疑币的提示。本发明可广泛应用于钞票鉴伪领域，检测精度高、稳定性好，尤其适合于鉴别假钞中的拼接钞。

Description

一种基于图像匹配的双冠号纸币鉴伪方法

技术领域

本发明涉及纸币鉴伪技术，具体涉及一种利用图像处理技术对2015版人民币进行真伪鉴定的基于图像匹配的双冠号纸币鉴伪方法。

背景技术

纸币有现代金融血液之称，是在现实生活中所不可或缺的必备物品。随着社会的不断发展，经济的不断壮大，人民币流通量日益增多，越来越多的高仿真假币出现在流通领域，而假币的造价方式也层出不穷，严重威胁了国家的金融安全。其中，就出现有一种通过拼接技术制备的拼接币，这种拼接币通过与真钞进行部分拼接，能有效继承真钞的某些鉴伪点(如隐形面额，紫外特征、水印、光变油墨和磁性特征等)来通过部分验钞机等金融机具的检测，而拼接币鉴别的主要难点在于拼接缝隙细小，几乎没有纹理变化，同时还有可能是真币拼真币，鉴别难度非常大。

另外，在钞票本身的特征中，为了方便纸币统一管理和防止假币的流通，无一例外的，每张纸币上都被印刷了独一无二的编号，即冠字号，由于纸币冠字号的唯一性，一方面可以用来作为纸币印刷数量的标志，另一方面也可以用来识别假币和监控市场上流通的纸币。中国人民银行于2015年11月12日发行的第五套新版人民币，在保持规格、主图案、主色调等与2005年版第五套人民币不变的前提下，对票面图案、防伪特征及其布局进行了调整，提高了机读性能，其中一个重要的调整就是在纸币的右侧增加了竖排冠字号且该竖排冠字号在紫外图像下呈现，这对于检测拼接币起到了很大的改善作用。因此可以利用这一特点来辨别人民币的真伪。

发明内容

本发明所解决的技术问题在于提供一种基于图像匹配的双冠号纸币鉴伪方法，利用2015版人民币中的双冠号币面特征，对钞票进行高灵敏度的鉴伪，提高了对钞票的鉴伪能力，鉴别准确度高，适合于鉴别新版人民币伪钞中的拼接钞。

本发明所解决的技术问题采用以下技术方案来实现：

一种基于图像匹配的双冠号纸币鉴伪方法，包括以下操作步骤：

S1：首先选取2015版人民币，将人民币放入多光谱识别设备中，根据冠字号特征及冠字号在票面中的几何位置定位出冠字号坐标；

S2：通过白光图像提取纸币左下方的横排冠字号，通过紫外图像提取纸币右侧的竖排冠字号，将提取后的横竖冠字号进行图像增强与图像二值化处理；

S3：将处理后的图像进行字符切割与归一化操作，将归一化后的横排冠字号与竖排冠字号中对应的图像单元进行图像匹配，每组冠字号中的10个字符单元一一匹配，只要有1个字符单元匹配的差异性较大，即输出该纸币为可疑币的提示。

在S2步骤中，提取冠字号的方法为：先进行纸币边界拟合，然后根据冠字号距离纸币边界的固定距离平移纸币的左右边界得出目标区域的初始点，再根据拟合直线的斜率进行平移提取。

在S3步骤中的具体操作步骤为：分别将由白光图像提取的横排冠字号以及由紫外图像提取的竖排冠字号进行图像增强处理及otsu二值化处理，在二值化之后的图像上利用垂直投影方法将横排冠字号以及竖排冠字号分割成独立的十个数字/字母图像单元，然后利用最邻近差值算法对分割的10个字符进行归一化处理，使得每个数字/字母图像单元的像素阵列相同，最后对对应位置字符进行图像匹配，计算匹配的差异性，若10个字符中有1个字符匹配的差异性大于18％，则输出该纸币为可疑币的提示，反之，则为正常纸币。

有益效果：本发明利用新版人民币的双冠号特征进行错伪币识别，通过对人民币的左侧横排冠字号以及右侧竖排冠字号进行图像增强及otsu二值化处理，并进行图像切割，可以准确无误地对冠字号文字图像进行分析并得出鉴别结果，大大增强了对钞票的鉴伪能力；同时，由于其不用将左右冠字号识别出来即可进行鉴伪，在一定程度上减少了程序的运算量。正常识别一个字符，若用图像模板匹配至少需匹配10次(数字)，最多匹配26次(字母)，如若是数字和字母混合则需匹配36次，而本发明每个字符只需匹配一次即可，较大程度的降低了程序的复杂度。

附图说明

图1为某一新版人民币可见光下的灰度图。

图2为某一拼接币假币可见光下的灰度图。

图3为提取的纸币横排冠字号和竖排冠字号的灰度图。

图4为纸币横排冠字号和竖排冠字号二值化之后的图像。

图5为纸币横排冠字号和竖排冠字号归一化之后的图像。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

下面结合附图对本发明的具体实施方式进行说明。

1.将待识别纸币放入多光谱点验钞装置。

2.通过多光谱点验钞装置获取纸币白光图像和紫外图像，如图1所示。

3.在白光图像上提取纸币左下方的横排冠字号，如图3(a)所示。

这里所说的提取冠字号方法是先进行纸币边界拟合，然后根据冠字号距离纸币边界的固定距离平移纸币的左右边界得出目标区域的初始点，然后根据拟合直线的斜率进行平移提取，这种提取方法的好处在于这样提取出来的目标区域相当于是旋转之后的图像，这样可以减少旋转图像这个复杂的过程。

4.在紫外图像上提取纸币右侧的竖排冠字号，如图3(b)所示。

这里之所以要在紫外图像上提取右侧的竖排冠字号是因为在白光图像上右侧竖排冠字号底色背景对前景的冠字号提取会产生干扰，这也是右侧冠字号识别的最大障碍，而由于右侧竖排冠字号的特殊性，使其在紫外图像下呈现，因此利用这一特点可以很好的去除右侧竖排冠字号的底色干扰。其外还可以通过此紫外特征进行鉴伪，若在紫外图像相应位置处未发现冠字号特征，则可直接判定这张纸币为假币。

将提取的横竖冠字号图像进行图像增强处理，图像增强即对图像中各像素点的灰度值进行适当地扩大，本发明所采用的是图像线性增强，使用以下公式进行计算：

其中，f(x，y)表示像素点(x，y)处的灰度值，k，b为增强系数。

6.将提取的横竖冠字号图像进行otsu二值化处理，如图4所示。

Otsu算法又叫最大类间差算法，该算法求出的最优阈值是能使图像前景和背景这两类的类间差最大的一个值。在实际运用中，使用以下计算公式进行运算：

根据以上公式使得两类间最大方差σ²取得最大值时的t值，即为要求的最佳阈值T，其中σ²为两类间最大方差，t为要求的阈值，i表示每个像素点的灰度值，n_i表示每个灰度值的个数。算出阈值T后可依据公式：进行二值化操作，其中(x，y)表示每个像素点的坐标值，f(x，y)表示像素点(x，y)处的灰度值。

7.在二值化之后的图像上利用垂直投影方法分割10个字符。

所谓垂直投影法就是先计算出字符图像的垂直投影，得到字符图像的投影直方图，再结合纸币字符的固定宽度以及字符间的固定间距对字符进行分割。

8.利用最邻近差值算法对分割的10个字符进行归一化处理，如图5所示。

由于在对纸币图像信息进行采集时，垂直和水平方向上的分辨率不一致，使得横竖冠字号字符大小不相等，会影响匹配效果，因此在图像匹配之前先利用最邻近差值算法对10个字符进行归一化处理，使得横竖冠字号每个字符大小相等。最邻近差值算法是最简单的图像缩放算法，就是将目标图像各点的像素值设为源图像中与其最近点的像素值。其中目标图像中像素点坐标与源图像像素点坐标转换公式如下：

srcX＝dstX*(srcWidth/dstWidth)

srcY＝dstY*(srcHeight/dstHeight)

这里的srcX、srcY为原字符图像像素点坐标值，dstX、dstY为归一化后图像像素点坐标值，srcWidth、srcHeight为原字符的宽度和高度，dstWidth、dstHeight为归一化后字符的宽度和高度。

9.对应位置字符进行图像匹配，计算匹配的差异性。

本发明的图像匹配主要是计算匹配的两幅图像的差异性，二值化后的图像灰度值均为0和1，归一化后的字符大小均一样，因此这样匹配起来非常便捷，计算差异性的公式如下：

differ_percent＝(float)differNums/allNums

这里的differ_percent即为两幅图像匹配的差异率，differNums表示在源图像(左侧横排冠字号图像)上灰度值为0，而在目标图像(右侧竖排冠字号图像)上该点灰度值为1的像素点的总数，allNums表示在源图像上灰度值为0的像素点总数。这里之所以只匹配源图像上灰度值为0的像素点而不是所有像素点就是为了减少匹配次数，提高匹配效率。经过系统测试发现，正常左右对应相同的两个字符匹配的差异率会小于18％，当发现某个字符匹配的差异度大于18％，则这张纸币可能为拼接币。图1纸币对应的10个字符左右匹配的差异度如表1所示。

表1正常纸币左右冠字号匹配差异度

由表1可知，真币左右10个冠字号匹配的差异度都在18％以内，符合要求。

如图2所示，是一张拼接币假币，可以发现该纸币左右冠字号不一致，表2是该纸币左右冠字号匹配差异度。

表2拼接币左右冠字号匹配差异度

由表2可知，左右不相同的冠字号匹配的差异度均远远大于18％，因此，可以判定这张纸币为拼接币。

以上显示描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于图像匹配的双冠号纸币鉴伪方法，其特征在于，包括以下操作步骤：

S1：首先选取2015版人民币，将人民币放入多光谱识别设备中，根据冠字号特征及冠字号在票面中的几何位置定位出冠字号坐标；

S2：通过白光图像提取纸币左下方的横排冠字号，通过紫外图像提取纸币右侧的竖排冠字号，将提取后的横竖冠字号进行图像增强以及图像二值化处理；

S3：将处理后的图像进行字符切割与归一化操作，将归一化后的横排冠字号与竖排冠字号中对应的图像单元进行图像匹配，每组冠字号中的10个字符单元一一匹配，只要有1个字符单元匹配的差异性较大，即输出该纸币为可疑币的提示。

2.根据权利要求1所述的双冠号纸币鉴伪方法，其特征在于，所述S2步骤提取冠字号的方法为：先进行纸币边界拟合，然后根据冠字号距离纸币边界的固定距离平移纸币的左右边界得出目标区域的初始点，再根据拟合直线的斜率进行平移提取。

3.根据权利要求1所述的双冠号纸币鉴伪方法，其特征在于，所述S3步骤中的具体操作方法为：分别将由白光图像提取的横排冠字号以及由紫外图像提取的竖排冠字号进行图像增强及otsu二值化处理，在二值化之后的图像上利用垂直投影方法将横排冠字号以及竖排冠字号分割成独立的十个数字/字母图像单元，然后利用最邻近差值算法对分割的10个字符单元进行归一化处理，使得每个数字/字母图像单元的像素阵列相同，然后对对应位置字符进行图像匹配，计算匹配的差异性。

4.根据权利要求3所述的双冠号纸币鉴伪方法，其特征在于，在进行差异性匹配计算时，若10个字符中有1个字符匹配的差异性大于18％，则输出该纸币为可疑币的提示，反之，则为正常纸币。

5.根据权利要求1所述的双冠号纸币鉴伪方法，其特征在于，所述S2、S3步骤中图像匹配的具体操作步骤为：

A、在进行横排冠字号以及竖排冠字号的图像位置进行图像增强处理，处理时使用以下计算公式进行运算：

其中，f(x，y)表示像素点(x，y)处的灰度值，k，b为增强系数；

B、在进行横排冠字号以及竖排冠字号的otsu二值化处理时使用以下计算公式进行运算：

可算得二值化阈值T，其中i表示每个像素点的灰度值，n_i表示每个灰度值的个数；算出阈值T后可依据公式：进行二值化操作，其中(x，y)表示像素点的坐标值，f(x，y)表示像素点(x，y)处的灰度值；

C、二值化操作完成后将目标图像中像素点坐标与源图像像素点坐标进行转换，转换公式如下：

srcX＝dstX*(srcWidth/dstWidth)

srcY＝dstY*(srcHeight/dstHeight)

这里的srcX、srcY为原字符图像像素点坐标值，dstX、dstY为归一化后图像像素点坐标值，srcWidth、srcHeight为原字符的宽度和高度，dstWidth、dstHeight为归一化后字符的宽度和高度；

D、将步骤C中所得的数值进行差异性匹配，通过归一化后的图像中相同位置像素点的灰度值是否为0或者1进行匹配计算，计算差异性的公式如下：

differ_percent＝(float)differNums/allNums

这里的differ_percent即为两幅图像匹配的差异率，differNums表示在源图像(左侧横排冠字号图像)上灰度值为0，而在目标图像(右侧竖排冠字号图像)上该点灰度值为1的像素点的总数，allNums表示在源图像上灰度值为0的像素点总数。