JPH04106692A - 紙葉類識別処理方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、紙幣や有価証券等の紙葉類の種類や真偽を識
別するための紙葉類識別処理方法に関する。

（従来の技術） 金融機関等において、預貯金や振込処理等を自動化する
ために、自動入出金機が設置されている。

この自動入出金機に、顧客によって紙幣が投入されると
、紙幣の種類や真偽の識別が行なわれる。この処理は、
紙幣鑑別部によって行なわれるが、ここでは先ず、紙幣
の搬送方向に平行な１本又は複数本のラインに沿って、
光学的あるいは磁気的なパターンを読取る。光学的パタ
ーンは、紙幣の模様により金種毎に一定の特徴を持つ。

また、磁気的パターンも同様の特徴を持つ。

検出されたパターンは、アナログ信号であるが、ライン
上の多数の点において、所定の閾値と比較され２値化さ
れる。こうして得られたパルス列を、カウンタ回路によ
りカウントし、そのカウント値を辞書データと比較する
。検出された全てのラインについて、このカウント値が
辞書データと近似していれば、紙幣の種類及び真偽を識
別できる。

（発明が解決しようとする課題） ところで、上記のような従来方法は、通常、紙幣上の特
定のラインに沿った部分的な領域の特徴を抽出゛して、
その識別を行なっている。従って、小面積の偽造が、そ
の検出領域以外に存在するような場合には、真券と識別
してしまう場合もある。これは、例えば、紙幣の部分的
な貼り合わせ等が行なわれた場合に生じる。

また、識別の信頼度を高めるために、紙幣の外形寸法や
厚み等を検出し、種々の角度から紙幣の種類、真偽を識
別する方法もある。しかしながら、このような方法では
、たとえ１つでもパラメータが規格範囲を外れていれば
、偽券と判定される。従って、このような場合、偽券と
判定される率が増大し、実用面で問題がある。勿論、こ
のような問題は、紙幣の鑑定に限らず、証券類、その他
種々の紙葉類の鑑定にも、同様に相通じるところがある
。

これらの問題を解決するためには、先ず、紙葉類のでき
るたけ広範囲な部分を、高い解像度で読取って識別の基
準とし、小面積の偽造や貼り合わせ等も検出できるよう
にすることが好ましい。また、できるだけ信頼性の高い
１つの基準を用いて、種類や真偽の識別をすることが識
別率向上のために好ましい。

更に、紙葉類の一部を読取る方法では、紙葉類の搬送に
位置ずれかあれば、検出データに変動を生じ、誤認識が
発生し得る。ごれを解決するためには、紙葉類の多少の
位置ずれに対しても、何等影響を受けることのない識別
処理が望まれる。

本発明は以上の点に着目してなされたもので、位置ずれ
等にも強く、信頼性の高い紙葉類識別処理方法を提供す
ることを目的とするものである。

（課題を解決するための手段） 本発明の第１の方法は、紙葉類の紙面をそれぞれ波長の
異なる複数の光源を用いて代わる代わる照射して、読取
られた画素毎に、各波長に対する反射光強度の相関関係
の特徴を抽出して数値化すると共に、前記読取られた画
素全体について、前記数値化された各データを累積加算
して、総合重量を演算し、前記総合重量を、予め設定さ
れた分割数で分割して、単位重量を求め、前記紙葉類の
紙面上の読取り対象となった領域を、互いに平行な複数
の直線群で分割し、各分割領域に含まれる全画素につい
ての累積重量が、いずれも前記単位重量に等しくなるよ
うに、前記直線群による各分割幅を選定し、前記分割に
より得られた一群の分割幅データ群を、予め用意された
基準分割幅データ群と比較して、前記紙葉類の識別をす
ることを特徴とするものである。

また第２の方法は、紙葉類の紙面をそれぞれ波長の異な
る光源を用いて代わる代わる照射して、読取られた画素
毎に、各波長に対する反射光強度の相関関係の特徴を抽
出して数値化すると共に、前記数値化された全データに
より形成される特徴画像を、互いに平行な複数の直線群
で複数の領域に分割し、前記直線群は、先ず、前記読取
られた画素全体について、前記数値化された各データに
よるモーメントを累積加算して、前記紙葉類の紙面上の
読取り対象となった領域の重心位置に最初の直線を引き
、次に前記２分された２個の領域について、それぞれ、
各領域を２分するような前記重心位置に次の２本の直線
を引くようにして、同様の処理を繰返して決定され、前
記各分割領域毎に、その領域に含まれる全画素について
の累積重量を求めると共に各分割領域間の、前記累積重
量の相対比を求めて、予め用意された基準相対比と比較
して、前記紙葉類の識別をすることを特徴とするもので
ある。

更に第３の方法は、上記分割領域を、主走査方向に平行
な直線群と副走査方向に平行な直線群とで形成し、各分
割領域間の累積重量の相対比を基準相対比と比較するこ
とを特徴とするものである。

（作用） 本発明の方法は、紙葉類のほぼ全面を、波長の異なる複
数の光源を用いて読取り、互いに異なるレベルの画像信
号を得る。その信号の相関関係の特徴を抽出すれば、紙
葉類の紙面上の模様に応じた特定の特徴画像が得られる
。例えば、その画像が２値化されたものである場合、黒
画素の量に応じた重量配分に着目し、単位重量毎に画像
を平行な直線群で分割する。この分割幅データ群は紙葉
類固有のものとなる。また、特徴画像をその重心で２分
し、更に残りの領域を、それぞれ重心で２分するといっ
た分割処理を繰返し、平行な直線群で分割すれば、各分
割領域の重量配分も紙葉類毎に特徴あるものとなる。分
割領域の面積が十分に小面積であれば、紙葉類のほぼ全
面を高精度で鑑定できる。また、分割幅データ群や累積
重量の相対比は、読取りの位置ずれにより大きな影響を
受けないという特徴もある。

（実施例） 以下、本発明を図の実施例を用いて詳細に説明する。

第１図は、本発明に係る紙葉類識別処理方法の構成図で
ある。

図において、この装置は、読取り部１０と識別部２０と
から構成される。

読取り部１０は、装置にセットされた紙葉類１の紙面を
光学的に読取り、その画像信号を出力するものである。

識別部２０は、読取り部１０から出力された画像信号に
基づいて、識別対象となる特徴画像を抽出し、予め用意
されたデータと比較して紙葉類の識別をするものである
。

読取り部１０には、紙幣や有価証券等の、識別を必要と
する紙葉類１がセットされる。この紙葉類１の上方には
、その画像信号を読取るためにイメージラインセンサ２
が配置されている。このイメージラインセンサ２は、紙
葉類１の幅に対し十分長い幅を持ち、その解像度は、例
えば４００ＤＰＩ（１インチ当たり　４００ドツトの読
取り密度）とする。

また、紙葉類１の上方には、このイメージラインセンサ
２と平行に、それぞれ波長の大きく異なるライン状の光
源３ａ、３ｂが配置されている。

これらの光源３ａ、’３ｂは、この実施例の場合、イメ
ージラインセンサ２の左右にほぼ対称位置に配置されて
いる。波長の大きく異なる光源としては、例えば、白色
光源に赤色フィルタと青色フィルタをそれぞれ取付けた
もの、あるいは赤外光専用光源と紫外光専用光源といっ
たものを使用する。

尚、紙葉類１は、図の矢印４に示す方向に搬送されるも
のとし、光源３ａ、３ｂは、紙葉類１が搬送される間、
それぞれ代わる代わる紙葉類１を照射して、はぼ同一位
置の異なる性質の反射光を、イメージラインセンサ２が
読取るよう構成されている。

識別部２０は、特徴画像抽出処理部２１と、分割幅検出
処理部２２と、比較判別処理部２３とから構成されてい
る。

この識別部２０は、具体的には、画像信号を受入れて格
納するメモリと、その画像信号を演算処理するプロセッ
サ等から構成される。

第１図の読取り部ｌＯは、次のように動作する。

先ず、光源３ａのみが点灯し、イメージラインセンサ２
が紙葉類１の反射光を受光し、１ライン分の多値ディジ
タル信号Ｄａを得る。次に、光源３ａが消灯し光源３ｂ
が点灯して、紙葉類ｌの同一箇所の反射光をイメージラ
インセンサ２が受光し、同様の多値ディジタル信号Ｄｂ
を得る。その後、紙葉類ｌは、矢印４方向に搬送され、
再び光源３ａが点灯し、次のラインの読取りを行なう。

この読取りライン間隔は、イメージラインセンサ２の解
像度と同程度に選定する。

こうして、多値ディジタル信号Ｄａ、Ｄｂが識別部２０
に入力すると、この識別部２０は次のような動作を行な
う。

先ず、特徴画像抽出処理部２１は、信号Ｄａ。

Ｄｂの相関関係の特徴を抽出して数値化する回路である
。

即ち、信号Ｄａは、光源３ａの波長に対する特徴的な反
射光強度に従った信号パターンとなる。

一方、信号Ｄｂは、光源３ｂの波長に対する特徴的な反
射光強度に従った信号パターンとなる。

従って、両者は、紙葉類１の画像により、著しく異なる
場合と、あまり相違がない場合とに分かれる。

この実施例では、そのような特徴画像を２値画像として
抽出する。

第２図は、上記反射光強度の相関関係を示すグラフであ
る。

図において、横軸に信号Ｄａをとり縦軸に信号Ｄｂをと
ると、読取られたある特定の画素の反射光強度に着目す
れば、その画素の特徴は、図の領域３１．３２あるいは
３３の何れかに存在する。

図のハツチングを付した領域３１．３２は、それぞれ何
れか一方の反射光強度が、他方に比べて著しく大きい特
徴ある領域である。一方、図の白抜きの領域３３は、何
れの反射光強度も、はぼ同レベルの特徴の無い領域であ
る。

そこで、信号Ｄａ、Ｄｂから特徴の現われる領域３１．
３２と、特徴の現われない領域３３を区別するために、
境界線３４．３５を引く。この境界線３４により定まる
レベルをスレショルドレベルＴ　ＨＬ　＋　と呼び、境
界線３５により定まるレベルをスレショルドレベルＴ　
ＨＬ　２と呼ぶことにする。

尚、それぞれの画素に着目すれば、信号Ｄａの値に対応
して、信号Ｄｂがそれぞれ定まっており、信号Ｄａは信
号Ｄｂへ写像できる。

従って、信号Ｄｂは、信号Ｄａの写像値（関数値）であ
り、スレショルドレベルＴＨＬ、及びＴＨＬ２は、次の
　（１）、　（２）式により定義された関数式となる。

ここで、ｆは、信号ＤａとＤｂの相関を表わす関数（フ
ァンクション）である。またｆ−１は、信号Ｄｂと信号
Ｄａを交換した関数ｆの逆関数である。

ＴＨＬ＋　　：　Ｄｂ＝ｆ　（Ｄａ）　　　　　・・・
（１）ＴＨＬ２　　：　Ｄｂ＝ｆ−’　（Ｄａ）　　　
　−（２）この間数ｆと関数ｆ−’とは、第２図のグラ
フにおいて、Ｄａ＝Ｄｂとなる図の対角線を中心に、対
象的な位置関係を持っている。このｆは、例えば、次の
　（３）あるいは（４）式で表わすことができる。尚、
　（４）式でα〈１としたのは、Ｄａ＝Ｄｂの直線の両
側にある直線が、互いに交差しないようにするためであ
る。

Ｄｂ＝Ｄａ十〇　　　　　　　　　　・・・（３）但し
、αは任意の整数αく○ Ｄｂ二〇Ｄａ　　　　　　　　　　　　・・・（４）但
し、αは任意の実数１〉α〉０ ここで、以下の実施例では、例えば、（３）式に示した
関数をスレショルドレベルとして設定した場合の説明を
行なう。

再び第１図へ戻って、以上説明したように、第１図の特
徴画像抽出処理部２１は、読取られた画素毎に、各波長
に対する反射光強度の相関関係の特徴を抽出して数値化
する。

例えば、波長λａによる反射光から得た信号Ｄａ、及び
、波長λｂによる反射光から得た信号Ｄｂに、大きな相
対差がある場合、その特徴点は、第２図に示すハツチン
グの領域３１あるいは３２に属する。一方、両信号Ｄａ
、Ｄｂに相対差があまりない場合、領域３３に属する。

特徴画像抽出処理部２１は、信号Ｄａ、Ｄｂの（３）式
における写像関係から、各画素の特徴が、次の　（５）
式あるいは　（６）式の集合に属するかを判断する。

Ｅｌ：　　（Ｄｂ＞Ｄａ＋ａ　Ｕ　Ｄａ　＞Ｄｂ−１−
ａ　）　　−（５）Ｅ２：（Ｄｂ≦Ｄａ＋ａ　ｎ　Ｄａ
≦Ｄｂ＋　ａ　）　　−（６）式（５）が、第２図の領
域３１．３２に特徴点のある集合Ｅ１であり、式（６）
が領域３３に特徴点のある集合Ｅ２である。そして、集
合Ｅ１に属する場合には“１”、即ち黒ビット、集合Ｅ
２に属する場合には“０”、即ち白ビットというように
数値化を行なう。このようにして読取られた紙葉類の全
面について、その画素に対応する数値化データを得て、
特徴画像が抽出される。

本発明のこの方法は、上記信号ＤａとＤｂとの相関関係
が、紙葉類の紙面に描かれた模様により、大きく異なる
ことを利用している。

この場合、上記　（１）式及び（２）式で定義されたス
レショルドレベルは、信号Ｄａ、Ｄｂの相関関係を定め
る重要な要素であり、紙葉類の真偽を識別する有力なポ
イントなる。従って、スレショルドレベルＴ　ＨＬ　ｒ
及びＴ　ＨＬ　２は、種々の試験を行なった上で、特徴
画像が真券と偽券で大きく異なるように設定されるべき
ものとなる。

次に、第１図に示した分割幅検出処理部２２の動作説明
を行なう。

第３図は、分割幅検出処理説明図である。

第３図に示した四角に囲まれた領域に示したのは、上記
特徴画像抽出処理部２１により得られた特徴画像である
。

この特徴画像の画像全体に含まれる黒ビット数ＴＳは、
次の　（７）式に示す通りとなる。

ＴＳ＝Σ　Σ　Ｆ　（ｘ、ｙ）　　　　　・・・（７）
ここで、Ｆは、特徴画像における２値の極性値であり、
黒ビットは“ｌ”、白ビットは“０”となる。ｘ、ｙは
、各画素の位置座標であり、Ｘはその主走査方向座標値
、ｙは副走査方向座標値である。また、Ｘは主走査方向
座標における読取り幅であり、Ｙは副走査方向座標にお
ける読取り幅である。

ここで、分割幅検出処理部２２は、この特徴画像を互い
に平行な複数の直線群で分割する。この直線群を、図中
、Ｌ　（１）〜Ｌ　（Ｎ−１）と表わした。

この分割方法は、次のようにする。

先ず、上記のように数値化された各データを累積加算し
、特徴画像全領域における黒ビットの総合重量ＴＳを求
める。そして、更に、これを任意の分割数Ｎで等分割す
る。この分割数Ｎは、紙葉類の識別に適する適当な数に
選定しておく。そして、その分割によって、次のように
単位重量ＡＳを求める。

ＡＳ＝ＴＳ／Ｎ　　　　　　　　　　　・・・（８）次
に、第３図に示す特徴画像を、互いに平行な複数の直線
群Ｌ（１）〜Ｌ　（Ｎ−１）で分割した場合に、分割さ
れた各領域５（１）〜Ｓ　（Ｎ）に含まれる全画素につ
いての累積重量が、何れもその単位重量ＡＳになるよう
に分割幅を選定する。

即ち、第３図において、この特徴画像は２値画像である
から、直線Ｌ（１）により定められた領域５（１）に属
する黒ビットの数が、上記ＡＳに等しくなるように分割
座標Ｐ（１）を決定する。その後、更に黒ビットの数を
累積加算し、上記単位重量ＡＳの２倍になったところで
、分割座標Ｐ（２）を決定する。同様にして、Ｐ　（３
）　、　Ｐ　（４）・・・を決定していく。こうして得
られた領域Ｓ　（１）〜Ｓ　（Ｎ）は、何れも、その領
域内に含まれる全画素についての累積重量が単位重量Ａ
Ｓに等しい。

そして、特徴画像の内容に従って、各直線により分割さ
れた分割幅Ｗ（１）〜Ｗ　（Ｎ）か、特徴ある分割幅デ
ータ群として得られる。この分割幅データ群Ｗ（１）〜
Ｗ　（Ｎ）は、紙葉類の種類や真偽の識別に極めて重量
なパラメータとなる。

例えば、紙葉類か、モノクロコピーやカラーコピー等か
らなる偽造紙幣等である場合、特徴画像の分布形状は大
きく異なる。即ち、真券と偽券の分割幅データ群は、大
きく相違することになる。

従って、第１図に示す比較判別処理部２３において、分
割幅検出処理部２２で得られた分割幅データ群と、予め
用意された真券に基づく基準分割幅データ群とを比較し
て、紙葉類の種類や真偽の識別を行なうことができる。

尚、たとえ同一の真券であっても、その全体に亙る印刷
濃度が紙葉類毎に異なる場合がある。この場合、総合重
量は相互に多少相違することになる。しかしながら、最
終的に得られた分割幅データ群は、このような総合重量
の変化に影響がない。従って、例えば、紙葉類を、その
全面を読取ることができる十分広い幅のイメージライン
センサ等で読取れば、紙葉類のセット位置がずれたとし
ても、その分割幅データ群にはほとんど影響がない。

以上のことから、本発明の方法によれば、紙葉類のセッ
ト位置がずれた場合や、紙葉類の全体に渡る印刷濃度に
相違があった場合でも、安定したデータを取出し、それ
を基準として紙葉類の識別を行なうことができる。

また、基準分割幅データ群は、−次元配列で構成された
数値データから成るため、比較的簡単なパターンマツチ
ングを行なうことによって、真偽１種類９表裏、方向等
の識別が可能である。また、イメージラインセンサの解
像度を十分高いものにすれば、紙葉類全面を厳密に鑑定
し、その−部の偽造も見逃すことがない。

ここで、第３図に示した上記実施例は、主走査方向に平
行な直線群で特徴画像を分割したが、その分割方向は任
意でよく、副走査方向に平行な直線群で分割するように
しても差し支えない。また、主走査方向に平行な直線群
で分割した結果と、副走査方向に平行な直線で分割した
結果とを、統合して識別対象とすれば、識別力がより一
層向上する。

ところで、上記特徴画像は、各波長に対する反射光強度
の相関関係を２値化して得たものである。しかしながら
、２値でなく多値化したものでも差し支えない。

第４図に、そのような多値化により得られた特徴画像を
示す。

第２図において、領域３１．３２部分の写像関係は、ス
レショルドレベルを設定した直線３４゜３５が　（３）
式の関係にある場合、集合Ｅ１は次の（９）式を満たす
。

Ｄｂ−Ｄａ　Ｉ　＞ａ　　　　　　　　　＝１９）ここ
で、各画素の主走査方向座標をＸ、副走査方向座標をｙ
とした場合、次の（１ｏ）式のＦ　（ｘ、　ｙ）を複数
設定することにより、信号Ｄａ、Ｄｂの相関関係を多値
で数値化することができる。

Ｄｂ−Ｄａ　ＩＮＦ　（ｘ、　ｙ）　　　　・”（１０
）例えば、Ｆ　（ｘ、　ｙ）が“０”の場合は、第２図
の領域３３に含まれる対角線部分に特徴点が存在し、Ｆ
　（ｘ、　ｙ）の値が大きくなるにつれて、その対角線
から離れた位置に特徴点が存在することになる。このよ
うにして得られた多値の特徴画像は、第３図に示したも
のよりも、更に紙葉類の紙面に描かれた模様等の特徴を
よく表わす。その総合重量は、多値化されたデータを累
積加算して求めれば良い。

その後の単位重量の求め方、平行な複数の直線群による
分割方法１分割幅の選定１分割幅データ群の基準１分割
幅データの比較等は、先に説明した例と同様である。

次に、本発明の他の方法による実施例を説明する。

第５図は、本発明の他の方法実施例構成図である。

図の読取り部１０及び識別部２０の役割りは、第１図に
示すものと同様である。読取り部１０の構成も、第１図
に示すものと全く同様である。

ここで、識別部２０には、特徴画像抽出処理部２１と、
投影処理部２４と、重心分割処理部２５と、比較判別処
理部２６とが設けられている。

特徴画像抽出処理部２１の構成及びその処理内容は、第
１図に示したものと全く同様である。

こうして得られた特徴画像を、第６図に示す。

第６図の主走査方向の幅ＸＷと副走査方向の幅ＹＷに囲
まれた部分か特徴画像であり、これは第３図に示したも
のと同様である。

ここで、この実施例においては、この特徴画像を、それ
ぞれ主走査方向及び副走査方向について投影して、黒ビ
ット数の分布を求める。投影画像４２は主走査方向の投
影、投影画像４３は副走査方向の投影である。例えば、
主走査方向の投影の場合には、主走査方向の読取り幅ｘ
Ｗの中に存在する黒ビット数を計数し、その累積値を各
Ｙ座標について求める。

ここで、座標ｙにおける黒ビツト数分布Ｓ　Ｙ　１　（
ｙ）は、（１１）式のようになる。

ここで、Ｘは主走査方向の座標、ｘＷは主走査方向の読
取り幅、Ｆ　（ｘ、　ｙ）は主走査方向の座標Ｘ。

副走査方向の座標ｙの２値の特徴画像の極性値である。

従って、黒ビットの場合“１”、白ビットの場合“Ｏ”
という内容となる。

同様に、座標Ｘにおける黒ビツト数分布Ｓ　Ｘ　（ｘ）
は、（１２）式に示す通りとなる。この式において、Ｙ
Ｗは副走査方向における読取り幅である。

５Ｘ（ｘ）＝Σ　　Ｆ　　（ｘ、　　ｙ）　　　　　　
　−（１２）このような投影を行なったのは、図の特徴
画像について、先ず、主走査方向に平行な直線によって
、重心位置を求めるためである。

第６図の実施例では、−例として、主走査方向について
も副走査方向についても、それぞれ７本の平行な直線群
を用いて特徴画像を分割している。

尚、例えば、長辺が１６０ｍｍ、短辺が７６ｍｍの紙幣
を識別する場合には、長辺を３１本、短辺を１５本程度
の直線で分割すると、その分割領域の太きさが平均的に
見て５ｍｍ方眼程度となり、高い精度の識別を行なうこ
とができる。

上記実施例では、説明簡略化のため、主走査方向も副走
査方向も、それぞれ７本の直線により分割している。

主走査方向に平行な直線群で、この特徴画像を分割する
場合には、先ず、特徴画像を２分するように直線Ｙ　（
Ｍ４）を決定する。これにより、特徴画像は上半分と下
半分とに２分される。

次に、上下に２分された各領域について、やはり同様に
して、その各領域を２分する直線を決定する。上半分の
領域については、直線Ｙ　（Ｍ２）が重心位置となる。

また、下半分の画像については、直線Ｙ　（Ｍ６）が重
心位置となる。同様の動作を繰返せば、直線Ｙ　（Ｍｌ
）〜Ｙ　（Ｍ７）を決定することができる。

副走査方向に平行な直線群も、同様の方法で決定する。

即ち、初めに直線Ｘ　（Ｍ４）を決定し、その後、Ｘ　
（Ｍ２）、　Ｘ　（Ｍ６）、　Ｘ　（Ｍｌ）、　Ｘ　（
Ｍ３）、　Ｘ　（Ｍ５）。

Ｘ　（Ｍ７）という順に、各直線を決定する。このよう
Ｘ　（Ｍ２）　＝　”ｘ＝’ｆｓｘ’（ｘ）−Ｘ）／″
Ｘ”ｇ：’：’（’ｘ）　　　−（１４）Ｘ（Ｍ６）＝
）：、　　５Ｘ（ｘ）・ｘ）／Σ５Ｘ（ｘ）　　　−（
１５）Ｘ　　　Ｘ　　　Ｍ４１　　　　　　　　　　　
　Ｘ！Ｘ＋Ｍ４１Ｘ　（Ｍｌ）　”　；、。５Ｘ（ｘ）
・ｘ）／）：、、５Ｘ（ｘ）　　　＝ｉ１６）Ｘ（Ｍ３
）＝Σ−ＳＸ　（ｘ）　・ｘ）　／Σ−ＳＸ　（ｘ）　
　　＝−（１７）ｘ−Ｘ　　　Ｍａｌ　　　　　　　　
　　　　ｘ−Ｘ　　＋Ｍ２１Ｘ　（Ｍ５）　＝：　”、
Ｘ：、”　（Ａ’、（ｘ）・ｘ）／＞：Ｘ：ｊ６，１　
、　　・・・（１８）Ｘ　（Ｍ７）　＝　、Ｘ、ＸＳＸ
、（ｘ）・ｘ）　／　、１．ｘＳＸＪｘ）　　　・・−
（１９）このようにして、各直線群Ｘ　（Ｍｌ）〜Ｘ　
（Ｍ７）及びＹ　（Ｍｌ）〜Ｙ　（Ｍ７）で分割された
８×８、即ち６４の領域Ｓ　（１）〜Ｓ　（６４）につ
いて、それぞれその中に含まれる全画素の累積重量を求
める。こうして求められた累積重量の群は、先に説明し
た分割幅データ群と同様に、紙葉類の種類や真偽の識別
の重要なファクターとなる。

例えば、セットされた紙葉類の位置が、主走査方向より
副走査方向にずれたとしても、特徴画像の周辺部分に位
置する領域の大きさは変わることがあっても、内部に存
在する領域の大きさは変ゎにすれば、８×８、即ち、全
体で６４の領域にこの特徴画像が分割される。これらの
領域に、図のように、Ｓ　（１）〜Ｓ　（６４）という
番号を付ける。

ここで、重心の求め方は次のような演算により行なう。

例えば、最初に決定する直線Ｘ　（Ｍ４）についていえ
ば、次の（１３）式（次頁）を用いて求められる。

即ち重心は黒ビツト数分布とその位置座標の積によって
求めたモーメントが釣り合うように選定される。

次のＸ　（Ｍ２）　、　Ｘ　（Ｍ６）についても同様に
、（Ｉ４）及び（１５）式（次頁）で求められる。以下
、Ｘ（Ｍｌ）。

Ｘ　（Ｍ３）、　Ｘ　（Ｍ５）、　Ｘ　（Ｍ７）は、（
１６）、　（１７）、　（１８）。

（１９）式（次頁）により示した式により求められる。

副走査方向の座標における黒ビツト数分布に基づく直線
群Ｙ　（Ｍｌ）〜Ｙ　（Ｍ７）についても、全く同様の
要領で、その重心を求めることができる。

Ｘ　（Ｍ４）　＝　、：：、。（ＳＸ（ｘ）−ｘ）／；
、。５Ｘ（ｘ）　　　・・・（１３）らない。また、全
ての領域中に分布する黒ビットの個数は、紙葉類の印刷
濃度が異なったとしても、その相対的な比は変化するこ
とがない。従って、上記累積重量の相対比を求め、第５
図に示した比較判別処理部２６において、基準相対比と
比較するようにすれば、紙葉類の信頼性の高い識別を行
なうことができる。この場合、周辺部分は比較対象から
除外してもよい。

第７図は、このような分割領域の一般的な構成を示す説
明図である。

図のように、特徴画像は、一般的には、それぞれＸ　（
Ｍｌ）〜Ｘ　（Ｍｘ）までの主走査方向に平行な直線群
と、Ｙ　（Ｍｌ）〜Ｙ　（Ｍｙ）までの副走査方向に平
行な直線群とによって、分割される。この各分割領域Ｓ
　（１，１）　〜Ｓ　（ＮＸ、　ＮＹ）　ニツイテ、各
領域に分布スル黒ビットの数を計数し、その分割領域間
での相対比を算出する。こうして得られた数列を、識別
のための比較対象とするのである。

第８図を用いて、第４図で示したと同様の多値の特徴画
像を用いた分割領域の決定法を説明する。

第８図は、その重心分割処理説明図である。

図の場合の重心の決定は、その重心位置からの距離と数
値化された画像データの積で得られるモーメントが、そ
の直線を挟んで等しくなるように決定する。以下の処理
については、先に説明した実施例と全く同様である。

このような多値化を行なうことにより、第４図の場合と
同様に、より高い精度の識別が可能となる。

本発明は以上の実施例に限定されない。

第５図以下の実施例においては、特徴画像を、主走査方
向と副走査方向に平行な直線により同時に分割する例を
示したが、これは第１図に示した実施例と同様に、主走
査方向に平行な直線群のみで分割し、各領域に含まれる
累積重量の相対比を求めるようにしても差し支えない。

また、本発明の方法は、紙葉類の全面に亙り、その読取
りを行なって識別を行なうことが原則であるが、例えば
紙葉類の特定の領域に限定して本発明を実施したとして
も、高い識別力でこれを識別することが可能である。

また、上記実施例では、光源を２個としたが、光源を３
個以上複数設け、その相関関係を求めるようにすれば、
更に、高精度な識別も可能となる。

（発明の効果） 以上説明した本発明の方法によれば、紙葉類の、識別を
必要とする全領域の画像を読取って、波長の異なる反射
光強度の相関関係の特徴を抽出して数値化するため、高
い識別力で細部に亙る真偽判定等が可能となる。また、
基準を１つにして、その識別の信頼度を高めることがで
きる。更に、基準値と比較すべきデータは、紙葉類の濃
度や読取りの際の位置ずれに影響ないデータとなるため
、常に安定した識別が可能となる。

【図面の簡単な説明】

第１図は本発明に係る紙葉類識別処理方法の構成図、第
２図は反射光強度の相関関係説明図、第３図は分割幅検
出処理説明図、第４図は別の分割幅検出処理説明図、第
５図は本発明の他の方法の実施例構成図、第６図は重心
分割処理説明図、第７図は分割領域説明図、第８図は別
の重心分割処理説明図である。 １・・・紙葉類、２・・・イメージラインセンサ、３ａ
、３ｂ・・・光源、４・・・搬送方向、１０・・・読取
り部、２０・・・識別部、２１・・・特徴画像抽出処理
部、 ２２・・・分割幅検出処理部、 ２３・・・比較判別処理部。 特許出願人　沖電気工業株式会社−

Claims (1)

1. 【特許請求の範囲】 １、紙葉類の紙面をそれぞれ波長の異なる複数の光源を
   用いて代わる代わる照射して、 読取られた画素毎に、各波長に対する反射光強度の相関
   関係の特徴を抽出して数値化すると共に、 前記読取られた画素全体について、前記数値化された各
   データを累積加算して、総合重量を演算し、 前記総合重量を、予め設定された分割数で分割して、単
   位重量を求め、 前記紙葉類の紙面上の読取り対象となった領域を、互い
   に平行な複数の直線群で分割し、 各分割領域に含まれる全画素についての累積重量が、い
   ずれも前記単位重量に等しくなるように、前記直線群に
   よる各分割幅を選定し、 前記分割により得られた一群の分割幅データ群を、予め
   用意された基準分割幅データ群と比較して、前記紙葉類
   の識別をすることを特徴とする紙葉類識別処理方法。 ２、紙葉類の紙面をそれぞれ波長の異なる光源を用いて
   代わる代わる照射して、 読取られた画素毎に、各波長に対する反射光強度の相関
   関係の特徴を抽出して数値化すると共に、 前記数値化された全データにより形成される特徴画像を
   、互いに平行な複数の直線群で複数の領域に分割し、 前記直線群は、 先ず、前記読取られた画素全体について、前記数値化さ
   れた各データによるモーメントを累積加算して、前記紙
   葉類の紙面上の読取り対象となった領域を２分する重心
   位置に最初の直線を引き、次に前記２分された２個の領
   域について、それぞれ、各領域を２分するような前記重
   心位置に次の２本の直線を引くようにして、 同様の処理を繰返して決定され、 前記各分割領域毎に、その領域に含まれる全画素につい
   ての累積重量を求めると共に各分割領域間の、前記累積
   重量の相対比を求めて、 予め用意された基準相対比と比較して、前記紙葉類の識
   別をすることを特徴とする紙葉類識別処理方法。 ３、紙葉類の紙面をそれぞれ波長の異なる光源を用いて
   代わる代わる照射して、 読取られた画素毎に、各波長に対する反射光強度の相関
   関係の特徴を抽出して数値化すると共に、 前記数値化された全データにより形成される特徴画像を
   、主走査方向に平行な直線群と副走査方向に平行な直線
   群とで複数の領域に分割し、前記直線群はいずれも、 先ず、前記読取られた画素全体について、前記数値化さ
   れた各データによるモーメントを累積加算して、前記紙
   葉類の紙面上の読取り対象となった領域を２分する重心
   位置に最初の直線を引き、次に前記２分された２個の領
   域について、それぞれ、各領域を２分するような前記重
   心位置に次の２本の直線を引くようにして、 同様の処理を繰返して決定され、 前記各分割領域毎に、その領域に含まれる全画素につい
   ての累積重量を求めると共に各分割領域間の、前記累積
   重量の相対比を求めて、 予め用意された基準相対比と比較して、前記紙葉類の識
   別をすることを特徴とする紙葉類識別処理方法。