CN112232331A - 一种纸币红外图像特征区域的识别与分类方法 - Google Patents
一种纸币红外图像特征区域的识别与分类方法 Download PDFInfo
- Publication number
- CN112232331A CN112232331A CN202011496468.6A CN202011496468A CN112232331A CN 112232331 A CN112232331 A CN 112232331A CN 202011496468 A CN202011496468 A CN 202011496468A CN 112232331 A CN112232331 A CN 112232331A
- Authority
- CN
- China
- Prior art keywords
- sample
- characteristic
- detected
- white pixel
- paper money
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/80—Recognising image objects characterised by unique random patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/95—Pattern authentication; Markers therefor; Forgery detection
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Toxicology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明公开了一种纸币红外图像特征区域的识别与分类方法,具体包括以下步骤:在灰度化图像的基础上,获取所有种类纸币样本红外图像的特征区域,分别对不同种类纸币样本的红外特征区域进行二值化处理,将得到的每个二值化图像分为若干个区块,统计各区块中白色像素个数占该区块像素总数的比例;分别获取不同种类纸币样本特征区域中白色像素占比的序列;获取待测纸币样本特征区域中白色像素占比的序列;得到待测纸币样本特征区域中白色像素占比序列与已知样本中白色像素占比的序列的欧式距离;对应得到欧式距离最小的已知样本所属类别为待测样本最匹配的类别。本方法能够快速识别和分类处待测样本属于哪类目标样本,且准确率高。
Description
技术领域
本发明涉及多种类纸币红外数字图像处理领域,特别是涉及一种纸币红外数字图像特征区域的识别与分类的方法。
背景技术
对纸币的红外数字图像特征区域进行检测一直是检测纸币的过程中关注的重点。红外图像的特征区域指的是我们事先根据样本纸币图像定义的只属于本类图像的特征区域,然而,对于同一国家或者不同国家的不同版本不同面值图像,会有各自的特征区域。再加上纸币的红外数字图像可以分为正面与反面共两幅图像。因此在纸币识别领域,如何能从海量的特征区域数据中找到相对应的目标样本,是本技术领域技术人员一直研究的课题。
本发明设计了一种利用纸币红外图像包含的特征对纸币进行快速识别与分类的方法。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷,而提供一种币红外数字图像特征区域的识别与分类的方法,本方法能够快速识别和分类处待测样本属于哪类目标样本,且准确率高。
为实现本发明的目的所采用的技术方案是:
一种纸币红外图像特征区域的识别与分类方法,其特征在于,包括三大步骤,分别是获取样本特征值、计算待测样本特征值和识别待测样本;具体包括以下步骤:
获取样本特征值:
步骤一:获取不同种类纸币样本红外光下图像,并对图像进行灰度化处理;
步骤二:在灰度化图像的基础上,获取所有种类纸币样本红外图像的特征区域,分别对不同种类纸币样本的红外特征区域进行二值化处理,将得到的每个二值化图像分为若干个区块,统计各区块中白色像素个数占该区块像素总数的比例;
步骤三:分别获取不同种类纸币样本特征区域中白色像素占比的序列;
计算待测样本特征值:
步骤四:获取待测纸币样本特征区域中白色像素占比的序列;
识别待测样本:
步骤五:得到待测纸币样本特征区域中白色像素占比序列与已知样本中白色像素占比的序列的欧式距离;
步骤六:对应得到欧式距离最小的已知样本所属类别为待测样本最匹配的类别。
作为优选的,步骤二中,根据预定的物理坐标对纸币的特征区域进行截取得到。
作为优选的,步骤三中,将不同纸币样本的特征区域中白色像素占比按照拟定区域的顺序排列,得到白色像素占比的序列。
作为优选的,步骤四中,利用步骤一和步骤二的方法对待测纸币样本的区域特征进行提取,得到待测纸币样本区域特征中白色像素占比的序列。
作为优选的,步骤二中,将得到的每个二值化图像分为四个区块。
作为优选的,采用以下公式计算步骤五中的欧式距离:
其中:Distance是欧式距离,P1、P2、P3、P4是已知纸币样本特征区域中白色像素占比的比例,Pt1、Pt2、Pt3、Pt4是待测纸币样本特征区域中白色像素占比的比例。
本发明的有益效果在于:
本发明有益于对多类目标进行识别与分类,针对红外数字图像特征区域的特点,设计了一种快速准确的区域特征提取方法。针对多目标分类的问题,设计了一种基于样本模板的快速匹配方法。
附图说明
图1是特征区域分区示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种纸币红外图像特征区域的识别与分类方法,包括三大步骤,分别是获取样本特征值、计算待测样本特征值和识别待测样本;具体包括以下步骤。
获取样本特征值:
步骤一:获取不同种类纸币样本红外光下图像,读取图像并对图像进行灰度化处理;本方案中的不同种类纸币样本,指的是对于同一国家或者不同国家的不同版本不同面值的纸币样本。
步骤二:在灰度化图像的基础上,获取所有种类纸币样本红外图像的特征区域,分别对不同种类纸币样本的红外特征区域进行二值化处理,将得到的每个二值化图像分为四个区块,分别用A1、A2、A3、A4表示,具体位置如图1所示。
统计各区块中白色像素个数占该区块像素总数的比例:统计各区块中白色像素个数Wi(i=1,2,3,4),分别计算并保留白色像素个数占该区块像素总数的比例Pi(i=1,2,3,4),计算方法如公式1所示。
其中w是特征区域的长度,h是特征区域的宽度,单位均是像素值个数。
本实施例方法的应用背景为欧元,根据欧元的图像尺寸与特征区域尺寸,规定不同面值的欧元均采用40*28作为特征区域尺寸。即特征区域的长度是40个像素和特征区域的宽度是28个像素。
需要进一步说明的是:本步骤中,在灰度化图像的基础上,根据预定的物理坐标对纸币的特征区域进行截取得到,鉴于特征区域的选择具有一定主观性和经验性,不同类型纸币也具有不同的特征区域和选择办法,因此本步骤的截取办法采用现有技术以及经验判读即可。
需要进一步说明的是:步骤一采用灰度化处理,步骤二在步骤一的基础上对特征区域进行二值化处理。二值化的目的在于凸显特征区域的区域图像,只针对纸币的特征区域进行。
步骤三:分别获取不同种类纸币样本特征区域中白色像素占比的序列;步骤三中,将不同纸币样本的特征区域中白色像素占比按照拟定区域的顺序排列,得到白色像素占比的序列。具体来说是将Pi值根据i从小到大的顺序排列,得到白色像素的占比序列。
计算待测样本特征值:
步骤四:利用步骤一到三采用的方法对待测纸币样本的特征区域进行提取,获取待测纸币样本特征区域中白色像素占比的序列;之前的步骤是针对已有样本保存已有样本的特征值,这步是针对新采集待测纸币样本计算待测纸币特征值的过程。
识别待测样本:
步骤五:得到待测纸币样本特征区域中白色像素占比序列与已知样本中白色像素占比的序列的欧式距离。
本步骤中采用的欧式距离公式的目的在于求取待测纸币样本特征区域与已知样本特征区域之间的差值,欧式距离作为一种相似性度量方法计算差值的优势在于计算方法较简单,计算速度较快,在二维空间中对目标之间的差值也具有一定说明性。
采用以下公式计算步骤五中的欧式距离:
其中:Distance是欧式距离,P1、P2、P3、P4是已知纸币样本特征区域中白色像素占比的比例,Pt1、Pt2、Pt3、Pt4是待测纸币样本特征区域中白色像素占比的比例。
步骤六:对应得到欧式距离最小的已知样本所属类别为待测样本最匹配的类别。
以上所述仅是本发明的优选实施方式,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种纸币红外图像特征区域的识别与分类方法,其特征在于,包括三大步骤,分别是获取样本特征值、计算待测样本特征值和识别待测样本;具体包括以下步骤:
获取样本特征值:
步骤一:获取不同种类纸币样本红外光下图像,并对图像进行灰度化处理;
步骤二:在灰度化图像的基础上,获取所有种类纸币样本红外图像的特征区域,分别对不同种类纸币样本的红外特征区域进行二值化处理,将得到的每个二值化图像分为若干个区块,统计各区块中白色像素个数占该区块像素总数的比例;
步骤三:分别获取不同种类纸币样本特征区域中白色像素占比的序列;
计算待测样本特征值:
步骤四:获取待测纸币样本特征区域中白色像素占比的序列;
识别待测样本:
步骤五:得到待测纸币样本特征区域中白色像素占比序列与已知样本中白色像素占比的序列的欧式距离;
步骤六:对应得到欧式距离最小的已知样本所属类别为待测样本最匹配的类别。
2.根据权利要求1所述的一种纸币红外图像特征区域的识别与分类方法,其特征在于,步骤二中,根据预定的物理坐标对纸币的特征区域进行截取得到。
3.根据权利要求1所述的一种纸币红外图像特征区域的识别与分类方法,其特征在于,步骤三中,将不同纸币样本的特征区域中白色像素占比按照拟定区域的顺序排列,得到白色像素占比的序列。
4.根据权利要求1所述的一种纸币红外图像特征区域的识别与分类方法,其特征在于,步骤四中,利用步骤一和步骤二的方法对待测纸币样本的区域特征进行提取,得到待测纸币样本区域特征中白色像素占比的序列。
5.根据权利要求1所述的一种纸币红外图像特征区域的识别与分类方法,其特征在于,步骤二中,将得到的每个二值化图像分为四个区块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011496468.6A CN112232331A (zh) | 2020-12-17 | 2020-12-17 | 一种纸币红外图像特征区域的识别与分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011496468.6A CN112232331A (zh) | 2020-12-17 | 2020-12-17 | 一种纸币红外图像特征区域的识别与分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112232331A true CN112232331A (zh) | 2021-01-15 |
Family
ID=74124875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011496468.6A Pending CN112232331A (zh) | 2020-12-17 | 2020-12-17 | 一种纸币红外图像特征区域的识别与分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232331A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890840A (zh) * | 2012-08-22 | 2013-01-23 | 山东新北洋信息技术股份有限公司 | 纸币鉴别方法和装置 |
CN104318257A (zh) * | 2014-08-20 | 2015-01-28 | 深圳大学 | 纸币识别方法与系统 |
CN105243730A (zh) * | 2015-10-28 | 2016-01-13 | 深圳怡化电脑股份有限公司 | 纸币识别方法及系统 |
CN105303676A (zh) * | 2015-10-27 | 2016-02-03 | 深圳怡化电脑股份有限公司 | 一种纸币的版本识别方法和系统 |
CN106204616A (zh) * | 2016-07-21 | 2016-12-07 | 深圳怡化电脑股份有限公司 | 一种伊朗纸币币值的识别方法及装置 |
CN106296975A (zh) * | 2016-08-05 | 2017-01-04 | 深圳怡化电脑股份有限公司 | 一种美元纸币面值的识别方法及装置 |
CN106780967A (zh) * | 2017-01-09 | 2017-05-31 | 深圳怡化电脑股份有限公司 | 一种纸币版本识别方法及装置 |
CN106991667A (zh) * | 2017-03-08 | 2017-07-28 | 浙江大学 | 一种构建图像特征谱的对虾完整性判别方法 |
CN107103683A (zh) * | 2017-04-24 | 2017-08-29 | 深圳怡化电脑股份有限公司 | 纸币识别方法和装置、电子设备和存储介质 |
CN107331026A (zh) * | 2017-06-14 | 2017-11-07 | 深圳怡化电脑股份有限公司 | 一种纸币识别方法及装置 |
-
2020
- 2020-12-17 CN CN202011496468.6A patent/CN112232331A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890840A (zh) * | 2012-08-22 | 2013-01-23 | 山东新北洋信息技术股份有限公司 | 纸币鉴别方法和装置 |
CN104318257A (zh) * | 2014-08-20 | 2015-01-28 | 深圳大学 | 纸币识别方法与系统 |
CN105303676A (zh) * | 2015-10-27 | 2016-02-03 | 深圳怡化电脑股份有限公司 | 一种纸币的版本识别方法和系统 |
CN105243730A (zh) * | 2015-10-28 | 2016-01-13 | 深圳怡化电脑股份有限公司 | 纸币识别方法及系统 |
CN106204616A (zh) * | 2016-07-21 | 2016-12-07 | 深圳怡化电脑股份有限公司 | 一种伊朗纸币币值的识别方法及装置 |
CN106296975A (zh) * | 2016-08-05 | 2017-01-04 | 深圳怡化电脑股份有限公司 | 一种美元纸币面值的识别方法及装置 |
CN106780967A (zh) * | 2017-01-09 | 2017-05-31 | 深圳怡化电脑股份有限公司 | 一种纸币版本识别方法及装置 |
CN106991667A (zh) * | 2017-03-08 | 2017-07-28 | 浙江大学 | 一种构建图像特征谱的对虾完整性判别方法 |
CN107103683A (zh) * | 2017-04-24 | 2017-08-29 | 深圳怡化电脑股份有限公司 | 纸币识别方法和装置、电子设备和存储介质 |
CN107331026A (zh) * | 2017-06-14 | 2017-11-07 | 深圳怡化电脑股份有限公司 | 一种纸币识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN102324032B (zh) | 一种基于极坐标系下灰度共生矩阵的纹理特征提取方法 | |
CN104680161A (zh) | 一种身份证数字识别方法 | |
CN115311629B (zh) | 一种折弯机的异常折弯精度监测系统 | |
CN103886309A (zh) | 人像识别鉴别美元面额的方法 | |
CN110807354B (zh) | 一种工业流水线产品计数方法 | |
CN106204616B (zh) | 一种伊朗纸币币值的识别方法及装置 | |
CN115272305A (zh) | 一种纽扣孔洞缺陷检测方法 | |
WO2018130119A1 (zh) | 一种基于双冠字号的纸币鉴伪方法和系统 | |
CN106447904B (zh) | 一种纸币的鉴别方法和装置 | |
CN106971450B (zh) | 纸币厚度异常的鉴别方法及装置 | |
CN106296975B (zh) | 一种美元纸币面值的识别方法及装置 | |
CN112232331A (zh) | 一种纸币红外图像特征区域的识别与分类方法 | |
CN111462392A (zh) | 基于多光谱图像相似性算法进行纸币鉴别的方法和装置 | |
Huber-Mörk et al. | Automatic coin classification and identification | |
CN114863106B (zh) | 一种离心式撒肥颗粒分布检测方法 | |
CN111507177B (zh) | 一种用于计量周转柜的识别方法及装置 | |
KR101740592B1 (ko) | 세계지폐 인식방법 | |
CN109064496A (zh) | 一种遥感图像对象层次的变化检测方法 | |
Yao et al. | An adaptive and quantitative rubber nutrient status analyzing system by digital foliar images | |
CN111915792A (zh) | 一种图像斑马线图文的识别方法及装置 | |
Sooruth et al. | Automatic South African Coin Recognition Through Visual Template Matching | |
CN108154596B (zh) | 一种基于图像匹配的双冠号纸币鉴伪方法 | |
CN108961530B (zh) | 一种纸币缺陷识别方法以及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210115 |
|
WD01 | Invention patent application deemed withdrawn after publication |