CN111986378A - 一种票据彩色纤维丝检测方法和系统 - Google Patents

一种票据彩色纤维丝检测方法和系统 Download PDF

Info

Publication number
CN111986378A
CN111986378A CN202010751446.3A CN202010751446A CN111986378A CN 111986378 A CN111986378 A CN 111986378A CN 202010751446 A CN202010751446 A CN 202010751446A CN 111986378 A CN111986378 A CN 111986378A
Authority
CN
China
Prior art keywords
image
bill
fiber
fiber yarn
candidate area
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
CN202010751446.3A
Other languages
English (en)
Other versions
CN111986378B (zh
Inventor
李�杰
王向锋
王泽平
黄曼婷
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.)
Hunan Greatwall Information Financial Equipment Co Ltd
Original Assignee
Hunan Greatwall Information Financial Equipment 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 Hunan Greatwall Information Financial Equipment Co Ltd filed Critical Hunan Greatwall Information Financial Equipment Co Ltd
Priority to CN202010751446.3A priority Critical patent/CN111986378B/zh
Publication of CN111986378A publication Critical patent/CN111986378A/zh
Application granted granted Critical
Publication of CN111986378B publication Critical patent/CN111986378B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G07D7/06—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
    • 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
    • G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种票据彩色纤维丝检测方法和系统，其中方法为：采用紫外荧光扫描票据得到防伪票据图像并进行图像增强处理；将增强防伪票据图像由RGB转换到HSV色彩空间进行颜色二值分割，然后依次进行膨胀和腐蚀操作以及联通域分析，得到纤维丝的第一个候选区域图像；将增强防伪票据图像进行灰度转换，然后依次进行双边滤波、二值化、膨胀和腐蚀操作，得到纤维丝的第二个候选区域图像；将两个纤维丝的候选区域图像进行逻辑与操作，再对得到的双重验证的纤维丝图像进行联通域分析，得到最终的纤维丝图像，即可对其中的纤维丝进行位置标定，并统计每个纤维丝的大小以及权重，作为票据纤维丝鉴伪特征的重要依据。本发明对纤维丝的检测精度高。

Description

一种票据彩色纤维丝检测方法和系统
技术领域
本发明属于金融安全鉴别技术领域，涉及票据防伪鉴别技术，主要是指一种票据彩色纤维丝检测方法和系统。
背景技术
金融票据在市场上的广泛使用，导致票据造假的违法案件也是越来越多，严重危害了我国金融安全，损害了个人、企业以及银行的利害，造成极大的社会危害。目前对票据真伪的核验都是需要人工进行处理，急需专业化、自动化的高效票据鉴别处理系统。
彩色纤维丝防伪作为金融票据重要的防伪组成要素之一，通过判断紫外荧光扫描的票据是否存在纤维丝特征，是目前验证票据真伪的主要方法。
但是目前现存的纤维丝特征提取的方法中，主要是采用针对图像单一进行目标提取的方法，导致提取到的纤维丝不完整或掺杂噪音所存在提取精度低、误差大的问题。尚没有针对同一张图像采用不同的多种方法提取目标，再作最终的目标验证的方法。
发明内容
本发明提供一种票据彩色纤维丝检测方法和系统，可以解决现有技术中提取纤维丝存在的提取精度低、误差大的技术问题。
为实现上述技术目的，本发明采用如下技术方案：
一种票据彩色纤维丝检测方法，包括以下步骤：
步骤1，采用紫外荧光扫描票据得到防伪票据图像，并进行图像增强处理，得到增强的防伪票据图像；
步骤2，将步骤1得到的增强防伪票据图像由RGB色彩空间转换为HSV色彩空间，然后根据已知的纤维丝颜色特征，对HSV色彩空间的增强防伪票据图像进行颜色二值分割，得到有关纤维丝的初步候选区域图像；
步骤3，对初步候选区域图像依次进行膨胀和腐蚀操作，然后进行联通域分析，得到有关纤维丝的第一个候选区域图像；
步骤4，将步骤1得到的增强防伪票据图像进行灰度转换，然后进行双边滤波处理，得到去噪的灰度图像；
步骤5，对去噪的灰度图像进行二值化处理，然后依次进行膨胀和腐蚀操作，得到有关纤维丝的第二个候选区域图像；
步骤6，将两个候选区域图像进行逻辑与操作，得到双重验证的纤维丝图像；
步骤7，对步骤6得到的纤维丝图像进行联通域分析，得到最终的纤维丝图像；
步骤8，对步骤7得到的最终的纤维丝图像中的纤维丝进行位置标定，并统计每个纤维丝的大小以及权重，作为票据纤维丝鉴伪特征的重要依据。
进一步地，步骤3和步骤5均采用5×5矩形结构元素进行膨胀操作，均采用3×3矩形结构元素进行腐蚀操作。
进一步地，步骤2中对HSV色彩空间的增强防伪票据图像进行颜色二值分割的方法为：设置不同的色度阈值Hthr、饱和度阈值Sthr和亮度阈值Vthr，将HSV色彩空间的增强防伪票据图像中符合色度阈值Hthr、饱和度阈值Sthr和亮度阈值Vthr的像素点提取出来，即为候选得到的纤维丝像素点，其余像素点为背景像素点，从而得到有关纤维丝的初步候选区域图像。
进一步地，步骤2中，将增强防伪票据图像由RGB色彩空间转换为HSV色彩空间的转换关系为：
Figure BDA0002610126610000021
V＝Cmax；
Figure BDA0002610126610000022
其中，
Figure BDA0002610126610000023
Cmax＝MAX(R',G',B')，Cmin＝MIN(R',G',B')，△＝Cmax-Cmin；R、G、B分别为增强防伪票据图像在RGB色彩空间中的各通道值，R'、G'、B'分别为RGB各通道值R、G、B的归一化值；H、S、V分别为增强防伪票据图像在RGB色彩空间中的色度值、饱和度值和亮度值。
进一步地，步骤3和步骤7的联通域分析包括，采用8邻域进行联通域处理。
进一步地，在进行联通域处理后还包括，遍历联通域处理得到的每个联通区域，将每个联通区域与预先根据先验知识设置纤维丝的空间大小阈值范围和权重阈值范围进行比较，若联通区域的空间大小和权重均在相应的阈值范围内方认可该联通区域为真实的纤维丝，否则为非真实的纤维丝，并将非真实的纤维丝内的像素置为背景像素值。
本发明还提供一种票据彩色纤维丝检测系统，包括：
图像增强模块，用于：采用紫外荧光扫描票据得到防伪票据图像，并进行图像增强处理，得到增强的防伪票据图像；
第一初选模块，用于：将图像增强模块得到的增强防伪票据图像由RGB色彩空间转换为HSV色彩空间，然后根据已知的纤维丝颜色特征，对HSV色彩空间的增强防伪票据图像进行颜色二值分割，得到有关纤维丝的初步候选区域图像；
第一细选模块，用于：对初步候选区域图像依次进行膨胀和腐蚀操作，然后进行联通域处理，得到有关纤维丝的第一个候选区域图像；
第二初选模块，用于：将图像增强模块得到的增强防伪票据图像进行灰度转换，然后进行双边滤波处理，得到去噪的灰度图像；
第二细选模块，用于：对去噪的灰度图像进行二值化处理，然后依次进行膨胀和腐蚀操作，得到第二个候选区域图像；
双重验证模块，用于，将两个候选区域图像进行逻辑与操作，得到双重验证的纤维丝图像；
联通域分析模块，用于：对双重验证模块得到的纤维丝图像进行联通域分析，得到最终的纤维丝图像；
位置标定与统计模块，用于：对联通域分析模块得到的最终的纤维丝图像中的纤维丝进行位置标定，并统计每个纤维丝的大小以及权重，作为票据纤维丝鉴伪特征的重要依据。
有益效果
本发明采用紫外荧光扫描票据得到防伪票据图像并进行图像增强处理；将增强防伪票据图像由RGB转换到HSV色彩空间进行颜色二值分割，然后依次进行膨胀和腐蚀操作以及联通域分析，得到纤维丝的第一个候选区域图像；将增强防伪票据图像进行灰度转换，然后依次进行双边滤波、二值化、膨胀和腐蚀操作，得到纤维丝的第二个候选区域图像；将两个纤维丝的候选区域图像进行逻辑与操作，再对得到的双重验证的纤维丝图像进行联通域分析，得到最终的纤维丝图像，即可对其中的纤维丝进行位置标定，并统计每个纤维丝的大小以及权重，作为票据纤维丝鉴伪特征的重要依据。本发明不但能有效保存防伪票据图像中的纤维丝区域，而且将包括噪声在内的非纤维丝区域有效剔除，得到的最终的纤维丝图像干净无杂质，从而有利于最终对纤维丝进行位置定位以及大小及权重的统计，解决票据鉴伪纤维丝提取精度低、误差大的问题，提高票据纤维丝鉴伪的精度。
而且，由于纤维丝的物理形态非常纤细，采用通用的中值滤波会模糊纤维丝的边界，在后序提取过程中会造成纤维丝断裂不连续，甚至无法提取出一些暗淡的纤维丝；本发明通过通用双边滤波的方式去噪，同时考虑到空间临近信息和像素相似信息，所以在滤波过程中，会滤除噪声、平滑图像的同时，又很好地保护的纤维丝的边缘，即纤维丝的提取效果好，相应可进一步提高票据纤维丝鉴伪的精度。
附图说明
图1是本发明一种票据彩色纤维丝检测方法的步骤流程图；
图2为本发明中的彩色票据纤维丝原始输入图像；
图3为本发明中HSV色彩空间分割得到的初步候选区域图像；
图4为本发明中对图3进行5×5膨胀操作得到的图像；
图5为本发明中对图4进行3×3腐蚀操作得到的图像；
图6为本发明中对图5进行联通域分析后的纤维丝图像；
图7为本发明中采用矩形框对图6中的噪声进行人工标记的图像；
图8为本发明中对增强防伪票据进行双边滤波处理得到的图像；
图9为本发明中对图8进行二值化处理得到的图像；
图10为本发明中对图9进行5×5膨胀操作得到的图像；
图11为本发明中对图10进行3×3腐蚀操作得到的图像；
图12为本发明中对图11和图6进行逻辑与操作得到的图像；
图13为本发明中对图12进行联通域分析得到的最终纤维丝图像。
具体实施方式
下面对本发明的实施例作详细说明，本实施例以本发明的技术方案为依据开展，给出了详细的实施方式和具体的操作过程，对本发明的技术方案作进一步解释说明。
参考图1所示，本发明提供的一种票据彩色纤维丝检测方法，包括以下步骤：
步骤1，采用紫外荧光扫描票据得到防伪票据图像，如图2所示，对其进行图像增强处理，得到增强的防伪票据图像；
由于纤维丝的防伪特征，紫外荧光扫描出来的图像纤维丝特征通常比较暗淡，对图像进行增强处理，可以提高偏暗的纤维丝的辨识度，即得到纤维丝特征比较清晰、明亮的图像，从而使本方法更具备通用性，检测的效果更好，能有效地防止暗淡的纤维丝被漏检。
步骤2，将步骤1得到的增强防伪票据图像由RGB色彩空间转换为HSV色彩空间，然后根据已知的纤维丝颜色特征，对HSV色彩空间的增强防伪票据图像进行颜色二值分割，得到有关纤维丝的初步候选区域图像；
由于不同的金融机构使用的票据中纤维丝颜色不尽相同，考虑到纤维丝与背景图像颜色差异非常大，因此本发明通过将图像由RGB色彩空间转成HSV色彩空间，然后通过设置不同的色度阈值Hthr、饱和度阈值Sthr和亮度阈值Vthr，将HSV色彩空间的增强防伪票据图像中符合色度阈值Hthr、饱和度阈值Sthr和亮度阈值Vthr的像素点提取出来，即为候选得到的纤维丝像素点，其余像素点为背景像素点，达到纤维丝的分割和提取目的，得到有关纤维丝的初步候选区域图像，如图3所示。
其中，HSV色彩空间就是由H分量即色度分量，S分量即饱和度分量，V分量即亮度分量构成，它是根据颜色的直观特性创建的一种颜色空间。将增强防伪票据图像由RGB色彩空间转换为HSV色彩空间的转换关系为：
Figure BDA0002610126610000051
V＝Cmax；
Figure BDA0002610126610000052
其中，
Figure BDA0002610126610000053
Cmax＝MAX(R',G',B')，Cmin＝MIN(R',G',B')，△＝Cmax-Cmin；R、G、B分别为增强防伪票据图像在RGB色彩空间中的各通道值，R'、G'、B'分别为RGB各通道值R、G、B的归一化值；H、S、V分别为增强防伪票据图像在RGB色彩空间中的色度值、饱和度值和亮度值。
步骤3，对初步候选区域图像依次进行膨胀和腐蚀操作，然后进行联通域处理，得到有关纤维丝的第一个候选区域图像；
由于实际使用的票据会有印刷表格、用户填写信息、印章等不确定性因素，都有可能造成纤维丝图案断裂的情况，因此本实施例通过图像形态学处理，即先对初步候选区域图像先采用5×5矩形结构元素进行膨胀操作，再采用3×3矩形结构元素进行腐蚀操作，可以对断裂的纤维丝图像进行修复。膨胀操作和腐蚀操作得到图像，分别如图4和图5所示。
其中膨胀操作的计算式为：
Figure BDA0002610126610000061
腐蚀操作的计算式为：
Figure BDA0002610126610000062
其中，(x,y)为当前遍历图像的坐标位置；element为形态学操作的矩形结构大小；(x',y')是以当前位置(x,y)为中心，遍历整个矩形结构的坐标位置；dst(x,y)为输出图像。
金融票据除了纤维丝防伪特征外，还有可能有其它的荧光防伪特征，并且在紫外荧光扫描下呈现与纤维丝相同的颜色，因此本实施例再对形态学处理得到的修复图像采用8邻域进行联通域分析，并将较大或较小的联通区域删除，得到有关纤维丝的第一个候选区域图像，如图6所示。
其中的联通区域是指图像中具有相同像素值且位置相邻的前景低头点所组成的图像区域，联通域分析是指将图像中的各个连通区域找出并标记。
根据先验知识，可以得知每个纤维丝的空间大小以及权重(纤维丝的权重即构成纤维丝的像素点个数)均是在一定范围内的，因此可通过预先根据先验知识设置纤维丝的空间大小阈值范围和权重阈值范围，当联通区域大于或小于阈值范围时，则认为该联通区域为较大或较小的联通区域，即很大可能是非纤维丝目标，故需要删除该联通区域，即将该联通区域内的像素值图像的背景像素值。只有联通区域的空间大小和权重均在相应的阈值范围内方认可该联通区域为真实的纤维丝。
步骤4，将步骤1得到的增强防伪票据图像进行灰度转换，然后进行双边滤波处理，得到去噪的灰度图像；
通过步骤3联通域分析后得到的图像，将其与原始的票据扫描图像进行对比可以发现，通过上述操作后，在最后得到的结果中还是带入了大量非纤维丝区域的噪声(如图7中手工标记的矩形框内所示)，即部分噪声具有纤维丝的特征而被误认为真实的纤维丝。本实施例再通过另一种不同于上述的方法对防伪票据图像中的纤维丝进行提取，即步骤4至5所述步骤，以获取不带噪声的纤维丝图像。
在该步骤4中，首先将步骤1得到的增强防伪票据图像进行灰度转换，转换关系为：Grey＝R×0.299+G×0.578+B×0.114。
然后，考虑到纤维丝特征在图像中非常纤细，通常的中值滤波处理非常可能将纤维丝特征滤除，因此本实施例采用具有保边特征的双边滤波处理，它在滤波过程中会同时考虑到像素空间临近度计算的权值和像素值相似度计算的权值，达到去除图像中噪声，而且不会过滤或模糊纤维丝目标边缘，得到去噪的灰度图像，如图8所示。
步骤5，对去噪的灰度图像进行二值化处理，然后依次进行膨胀和腐蚀操作，得到有关纤维丝的第二个候选区域图像；
与前述方法步骤3的现由相同，由于实际使用的票据会有印刷表格、用户填写信息、印章等不确定性因素，都有可能造成纤维丝图案断裂的情况，因此本实施例再次对步骤4得到的去噪的灰度图像先进行二值化处理，然后进行图像形态学的膨胀和腐蚀操作，实现对去噪的灰度图像中断裂的纤维丝图像进行修复。该步骤5中进行膨胀操作和腐蚀操作得到图像，分别如图10和图11所示。
步骤6，将步骤3和步骤5得到的两个候选区域图像进行逻辑与操作，得到双重验证的纤维丝图像，如图12所示；
将两个图像进行逻辑与操作的计算式为：dst(x,y)＝src1(x,y)&src2(x,y)；其中，src1(x,y)和src2(x,y)分别为两幅逻辑与操作图像的像素点(x,y)的像素值，dst(x,y)为逻辑与操作得到的像素点(x,y)的像素值。
步骤7，对步骤6得到的纤维丝图像进行联通域分析，得到最终的纤维丝图像，如图13所示；
该步骤7的联通域分析，与步骤3中的联通域分析方法相同，再一次对图像中目标过大和过小的非纤维丝进行剔除(即像素值均置为背景像素值)，只保留双重验证的纤维丝图像中真实的纤维丝，即空间大小和权重均在相应的阈值范围内的联通区域。
步骤8，对步骤7得到的最终的纤维丝图像中的纤维丝进行位置标定，并统计每个纤维丝的大小以及权重，作为票据纤维丝鉴伪特征的重要依据；
通过对比分析，采用步骤1-3提取得到的有关纤维丝的第一个候选区域图像中存在大量噪声，而通过步骤4-5得到的第二个候选区域图像能够针对纤维丝较细的特征有效去除其中的噪声，进而与步骤3得到的第一个候选区域图像进行逻辑与操作，即可不但有效保存防伪票据图像中的纤维丝区域，而且将包括噪声在内的非纤维丝区域有效剔除，得到的最终的纤维丝图像干净无杂质，从而有利于最终对纤维丝进行位置定位以及大小及权重的统计，解决票据鉴伪纤维丝提取精度低、误差大的问题，提高票据纤维丝鉴伪的精度。
相应于上述票据彩色纤维丝检测方法实施例，本发明还提供一种票据彩色纤维丝检测系统实施例，包括：
图像增强模块，用于：采用紫外荧光扫描票据得到防伪票据图像，并进行图像增强处理，得到增强的防伪票据图像；
第一初选模块，用于：将图像增强模块得到的增强防伪票据图像由RGB色彩空间转换为HSV色彩空间，然后根据已知的纤维丝颜色特征，对HSV色彩空间的增强防伪票据图像进行颜色二值分割，得到有关纤维丝的初步候选区域图像；
第一细选模块，用于：对初步候选区域图像依次进行膨胀和腐蚀操作，然后进行联通域处理，得到有关纤维丝的第一个候选区域图像；
第二初选模块，用于：将图像增强模块得到的增强防伪票据图像进行灰度转换，然后进行双边滤波处理，得到去噪的灰度图像；
第二细选模块，用于：对去噪的灰度图像进行二值化处理，然后依次进行膨胀和腐蚀操作，得到有关纤维丝的第二个候选区域图像；
双重验证模块，用于，将两个候选区域图像进行逻辑与操作，得到双重验证的纤维丝图像；
联通域分析模块，用于：对双重验证模块得到的纤维丝图像进行联通域分析，得到最终的纤维丝图像；
位置标定与统计模块，用于：对联通域分析模块得到的最终的纤维丝图像中的纤维丝进行位置标定，并统计每个纤维丝的大小以及权重，作为票据纤维丝鉴伪特征的重要依据。
以上实施例为本申请的优选实施例，本领域的普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本申请总的构思的前提下，这些变换或改进都应当属于本申请要求保护的范围之内。

Claims (7)

1.一种票据彩色纤维丝检测方法，其特征在于，包括以下步骤：
步骤1，采用紫外荧光扫描票据得到防伪票据图像，并进行图像增强处理，得到增强的防伪票据图像；
步骤2，将步骤1得到的增强防伪票据图像由RGB色彩空间转换为HSV色彩空间，然后根据已知的纤维丝颜色特征，对HSV色彩空间的增强防伪票据图像进行颜色二值分割，得到有关纤维丝的初步候选区域图像；
步骤3，对初步候选区域图像依次进行膨胀和腐蚀操作，然后进行联通域分析，得到有关纤维丝的第一个候选区域图像；
步骤4，将步骤1得到的增强防伪票据图像进行灰度转换，然后进行双边滤波处理，得到去噪的灰度图像；
步骤5，对去噪的灰度图像进行二值化处理，然后依次进行膨胀和腐蚀操作，得到有关纤维丝的第二个候选区域图像；
步骤6，将步骤3和步骤5得到的两个候选区域图像进行逻辑与操作，得到双重验证的纤维丝图像；
步骤7，对步骤6得到的纤维丝图像进行联通域分析，得到最终的纤维丝图像；
步骤8，对步骤7得到的最终的纤维丝图像中的纤维丝进行位置标定，并统计每个纤维丝的大小以及权重，作为票据纤维丝鉴伪特征的重要依据。
2.根据权利要求1所述的方法，其特征在于，步骤3和步骤5均采用5×5矩形结构元素进行膨胀操作，均采用3×3矩形结构元素进行腐蚀操作。
3.根据权利要求1所述的方法，其特征在于，步骤2中对HSV色彩空间的增强防伪票据图像进行颜色二值分割的方法为：设置不同的色度阈值Hthr、饱和度阈值Sthr和亮度阈值Vthr，将HSV色彩空间的增强防伪票据图像中符合色度阈值Hthr、饱和度阈值Sthr和亮度阈值Vthr的像素点提取出来，即为候选得到的纤维丝像素点，其余像素点为背景像素点，从而得到有关纤维丝的初步候选区域图像。
4.根据权利要求1所述的方法，其特征在于，步骤2中，将增强防伪票据图像由RGB色彩空间转换为HSV色彩空间的转换关系为：
Figure FDA0002610126600000021
V＝Cmax；
Figure FDA0002610126600000022
其中，
Figure FDA0002610126600000023
Cmax＝MAX(R',G',B')，Cmin＝MIN(R',G',B')，△＝Cmax-Cmin；R、G、B分别为增强防伪票据图像在RGB色彩空间中的各通道值，R'、G'、B'分别为RGB各通道值R、G、B的归一化值；H、S、V分别为增强防伪票据图像在RGB色彩空间中的色度值、饱和度值和亮度值。
5.根据权利要求1所述的方法，其特征在于，步骤3和步骤7的联通域分析包括，采用8邻域进行联通域处理。
6.根据权利要求5所述的方法，其特征在于，在进行联通域处理后还包括，遍历联通域处理得到的每个联通区域，将每个联通区域与预先根据先验知识设置纤维丝的空间大小阈值范围和权重阈值范围进行比较，若联通区域的空间大小和权重均在相应的阈值范围内方认可该联通区域为真实的纤维丝，否则为非真实的纤维丝，并将非真实的纤维丝内的像素置为背景像素值。
7.一种票据彩色纤维丝检测系统，其特征在于，包括：
图像增强模块，用于：采用紫外荧光扫描票据得到防伪票据图像，并进行图像增强处理，得到增强的防伪票据图像；
第一初选模块，用于：将图像增强模块得到的增强防伪票据图像由RGB色彩空间转换为HSV色彩空间，然后根据已知的纤维丝颜色特征，对HSV色彩空间的增强防伪票据图像进行颜色二值分割，得到有关纤维丝的初步候选区域图像；
第一细选模块，用于：对初步候选区域图像依次进行膨胀和腐蚀操作，然后进行联通域处理，得到有关纤维丝的第一个候选区域图像；
第二初选模块，用于：将图像增强模块得到的增强防伪票据图像进行灰度转换，然后进行双边滤波处理，得到去噪的灰度图像；
第二细选模块，用于：对去噪的灰度图像进行二值化处理，然后依次进行膨胀和腐蚀操作，得到有关纤维丝的第二个候选区域图像；
双重验证模块，用于，将两个候选区域图像进行逻辑与操作，得到双重验证的纤维丝图像；
联通域分析模块，用于：对双重验证模块得到的纤维丝图像进行联通域分析，得到最终的纤维丝图像；
位置标定与统计模块，用于：对联通域分析模块得到的最终的纤维丝图像中的纤维丝进行位置标定，并统计每个纤维丝的大小以及权重，作为票据纤维丝鉴伪特征的重要依据。
CN202010751446.3A 2020-07-30 2020-07-30 一种票据彩色纤维丝检测方法和系统 Active CN111986378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010751446.3A CN111986378B (zh) 2020-07-30 2020-07-30 一种票据彩色纤维丝检测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010751446.3A CN111986378B (zh) 2020-07-30 2020-07-30 一种票据彩色纤维丝检测方法和系统

Publications (2)

Publication Number Publication Date
CN111986378A true CN111986378A (zh) 2020-11-24
CN111986378B CN111986378B (zh) 2022-06-28

Family

ID=73444436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010751446.3A Active CN111986378B (zh) 2020-07-30 2020-07-30 一种票据彩色纤维丝检测方法和系统

Country Status (1)

Country Link
CN (1) CN111986378B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132132A (zh) * 2020-11-25 2020-12-25 恒银金融科技股份有限公司 一种利用表格轮廓实现对金融票据要素点分割的方法
CN112466033A (zh) * 2020-12-15 2021-03-09 江苏国光信息产业股份有限公司 一种基于紫外图案票据验伪检测方法及其检测系统
CN113378878A (zh) * 2021-04-30 2021-09-10 长城信息股份有限公司 一种身份证鉴伪方法和电子设备
CN117132499A (zh) * 2023-09-07 2023-11-28 石家庄开发区天远科技有限公司 用于图像识别的去背景方法及装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002032752A (ja) * 2000-06-02 2002-01-31 Eastman Kodak Co 明るい窓を自動的に検出する方法
CN102184393A (zh) * 2011-06-20 2011-09-14 苏州两江科技有限公司 一种根据车牌识别判断车型的方法
CN102324019A (zh) * 2011-08-12 2012-01-18 浙江大学 一种视频序列中自动提取手势候选区域的方法及系统
US20120115192A1 (en) * 2009-05-26 2012-05-10 Arvind Mallinath Lali Method for production of fermentable sugars from biomass
CN102542655A (zh) * 2011-11-16 2012-07-04 中钞实业有限公司 基于纤维个性化特征的票据防伪鉴别方法
CN105279739A (zh) * 2015-09-08 2016-01-27 哈尔滨工程大学 一种自适应含雾数字图像去雾方法
CN107492094A (zh) * 2017-07-21 2017-12-19 长安大学 一种高压电线绝缘子的无人机视觉检测方法
CN107705326A (zh) * 2017-09-15 2018-02-16 温州大学 一种安全敏感区域的越界入侵检测方法
CN108268811A (zh) * 2018-01-15 2018-07-10 深圳市易成自动驾驶技术有限公司 图像处理方法、装置及计算机可读存储介质
CN110310263A (zh) * 2019-06-24 2019-10-08 北京师范大学 一种基于显著性分析和背景先验的sar图像居民区检测方法
CN110472616A (zh) * 2019-08-22 2019-11-19 腾讯科技（深圳）有限公司 图像识别方法、装置、计算机设备及存储介质
CN110473191A (zh) * 2019-08-09 2019-11-19 深圳市三宝创新智能有限公司 一种红疹识别方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002032752A (ja) * 2000-06-02 2002-01-31 Eastman Kodak Co 明るい窓を自動的に検出する方法
US20120115192A1 (en) * 2009-05-26 2012-05-10 Arvind Mallinath Lali Method for production of fermentable sugars from biomass
CN102184393A (zh) * 2011-06-20 2011-09-14 苏州两江科技有限公司 一种根据车牌识别判断车型的方法
CN102324019A (zh) * 2011-08-12 2012-01-18 浙江大学 一种视频序列中自动提取手势候选区域的方法及系统
CN102542655A (zh) * 2011-11-16 2012-07-04 中钞实业有限公司 基于纤维个性化特征的票据防伪鉴别方法
CN105279739A (zh) * 2015-09-08 2016-01-27 哈尔滨工程大学 一种自适应含雾数字图像去雾方法
CN107492094A (zh) * 2017-07-21 2017-12-19 长安大学 一种高压电线绝缘子的无人机视觉检测方法
CN107705326A (zh) * 2017-09-15 2018-02-16 温州大学 一种安全敏感区域的越界入侵检测方法
CN108268811A (zh) * 2018-01-15 2018-07-10 深圳市易成自动驾驶技术有限公司 图像处理方法、装置及计算机可读存储介质
CN110310263A (zh) * 2019-06-24 2019-10-08 北京师范大学 一种基于显著性分析和背景先验的sar图像居民区检测方法
CN110473191A (zh) * 2019-08-09 2019-11-19 深圳市三宝创新智能有限公司 一种红疹识别方法
CN110472616A (zh) * 2019-08-22 2019-11-19 腾讯科技（深圳）有限公司 图像识别方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
盖杉: "<多模态纸币图像分析关键技术研究及其应用>", <中国博士学位论文全文数据库 信息科技辑> *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132132A (zh) * 2020-11-25 2020-12-25 恒银金融科技股份有限公司 一种利用表格轮廓实现对金融票据要素点分割的方法
CN112466033A (zh) * 2020-12-15 2021-03-09 江苏国光信息产业股份有限公司 一种基于紫外图案票据验伪检测方法及其检测系统
CN113378878A (zh) * 2021-04-30 2021-09-10 长城信息股份有限公司 一种身份证鉴伪方法和电子设备
CN113378878B (zh) * 2021-04-30 2022-08-16 长城信息股份有限公司 一种身份证鉴伪方法和电子设备
CN117132499A (zh) * 2023-09-07 2023-11-28 石家庄开发区天远科技有限公司 用于图像识别的去背景方法及装置
CN117132499B (zh) * 2023-09-07 2024-05-14 石家庄开发区天远科技有限公司 用于图像识别的去背景方法及装置

Also Published As

Publication number Publication date
CN111986378B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN111986378B (zh) 一种票据彩色纤维丝检测方法和系统
CN110008954B (zh) 一种基于多阈值融合的复杂背景文本图像提取方法及系统
CN104751142B (zh) 一种基于笔划特征的自然场景文本检测方法
CN106096601B (zh) 一种自动检测票据中字符类型的方法和系统
CN105632015B (zh) 一种基于云平台的银行票据指纹特征防伪鉴别方法
CN101599125A (zh) 复杂背景下图像处理的二值化方法
CN109241973B (zh) 一种纹理背景下的字符全自动软分割方法
CN107195069A (zh) 一种人民币冠字号自动识别方法
CN105447489B (zh) 一种图片ocr识别系统的字符与背景粘连噪声消除方法
CN108146093A (zh) 一种去除票据印章的方法
CN105894655A (zh) 基于rgb-d相机的复杂环境下纸币检测和识别方法
CN105701491A (zh) 固定格式文档图像模版的制作方法及其应用
CN107437293A (zh) 一种基于票据全局特征的票据防伪鉴别方法
CN103198319A (zh) 用于矿山井筒环境下的模糊图像角点提取方法
CN111079688A (zh) 一种人脸识别中的基于红外图像的活体检测的方法
Suresh et al. Indian currency recognition and verification using image processing
CN113657335A (zh) 基于hsv颜色空间的矿相识别方法
CN110807747B (zh) 一种基于前景蒙版的文档图像降噪方法
CN111445402A (zh) 一种图像去噪方法及装置
CN108537945B (zh) 票据水印检测方法、系统及自助设备
CN112329673B (zh) 防伪纤维辨识方法、防伪识别方法、装置和存储介质
CN107909075A (zh) 一种基于Laplacian扩展算子的车牌图像二值化方法
Kunina et al. A method of fluorescent fibers detection on identity documents under ultraviolet light
CN109934215B (zh) 一种身份证识别方法
CN109086766B (zh) 一种基于积分图的多阈值融合冠字号提取方法

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
CB02 Change of applicant information

Address after: 410100 No.5, east 3 Road, Changsha Economic and Technological Development Zone, Changsha City, Hunan Province

Applicant after: Great Wall Information Co.,Ltd.

Address before: 410100 No.5, east 3 Road, Changsha Economic and Technological Development Zone, Changsha City, Hunan Province

Applicant before: HUNAN GREATWALL INFORMATION FINANCIAL EQUIPMENT Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant