KR101056666B1 - 웨이블렛 변환을 이용한 권종인식방법 - Google Patents

웨이블렛 변환을 이용한 권종인식방법 Download PDF

Info

Publication number
KR101056666B1
KR101056666B1 KR1020060023052A KR20060023052A KR101056666B1 KR 101056666 B1 KR101056666 B1 KR 101056666B1 KR 1020060023052 A KR1020060023052 A KR 1020060023052A KR 20060023052 A KR20060023052 A KR 20060023052A KR 101056666 B1 KR101056666 B1 KR 101056666B1
Authority
KR
South Korea
Prior art keywords
wavelet
wavelet transform
vertical
subband
horizontal
Prior art date
Application number
KR1020060023052A
Other languages
English (en)
Other versions
KR20070093209A (ko
Inventor
최의선
Original Assignee
노틸러스효성 주식회사
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 노틸러스효성 주식회사 filed Critical 노틸러스효성 주식회사
Priority to KR1020060023052A priority Critical patent/KR101056666B1/ko
Priority to PCT/KR2007/001195 priority patent/WO2007105891A1/en
Publication of KR20070093209A publication Critical patent/KR20070093209A/ko
Application granted granted Critical
Publication of KR101056666B1 publication Critical patent/KR101056666B1/ko

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
    • G07D7/202—Testing patterns thereon using pattern matching
    • 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
    • G06V10/52—Scale-space analysis, e.g. wavelet analysis
    • 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

Abstract

본 발명은 웨이블렛 변환을 이용한 권종인식방법으로, 입력된 지폐이미지를 블록화시켜 블록별로 웨이블렛 변환을 각각 수행한 후 상기 웨이블렛 변환된 이미지 전체 또는 권종인식의 성능이 최대가 되는 블록을 선택하여 구성된 특징벡터로 지폐식별을 실행하는 방법에 관한 것이다.
본 발명은 지폐를 스캔하여 생성한 원본이미지에 대하여 소정의 횟수만큼 가로 M, 세로 N으로 분할하는 단계와, 상기 분할된 이미지별로 소정의 횟수만큼 웨이블렛 변환하는 단계와, 상기 웨이블렛 변환으로 발생된 각각의 서브밴드에 대하여 웨이블렛 계수를 구하고, 각각의 서브밴드를 소정의 횟수인 가로 m, 세로 n으로 나누는 단계와, 상기 가로 m, 세로 n으로 나뉜 셀별로 웨이블렛 계수들의 절대값 크기와 기준값을 비교하여 기준값보다 크거나 같은 웨이블렛 계수들의 개수를 각각 추출하는 단계와, 상기 추출단계를 상기의 서브밴드별로 완료하여 수직구조의 특징벡터를 구성하는 단계와, 상기 특징벡터와 미리 정해진 판정기준 벡터와의 유사도를 측정하여 권종을 인식하는 단계로 이루어진 웨이블렛 변환을 이용한 권종인식방법을 제공한다.
웨이블렛 변환, 서브밴드, 특징벡터, 권종인식, 블록화

Description

웨이블렛 변환을 이용한 권종인식방법{Recognizing the Denomination of a Note Using Wavelet transform}
도 1은 일반적인 웨이블렛 변환과정을 도시한 것이다.
도 2는 이미지에 대한 일반적인 2차원 웨이블렛 변환결과를 도시한 것이다.
도 3은 본 발명에 따른 웨이블렛 변환을 이용한 권종인식방법을 나타낸 순서도이다.
도 4는 본 발명에 따른 생성된 원본이미지의 예를 도시한 것이다.
도 5는 본 발명에 따른 2*2 이미지 블록화한 결과를 도시한 것이다.
도 6은 본 발명에 따른 첫 번째 블록 이미지를 2회 웨이블렛 변환한 결과를 도시한 것이다.
도 7은 본 발명에 따른 첫 번째 블록이미지의 d2 서브밴드를 m*n으로 분할한 예를 도시한 것이다.
도 8은 본 발명에 따른 첫 번째 블록이미지의 d2 서브밴드의 특징벡터 추출과정 예를 도시한 것이다.
도 9는 본 발명에 따른 첫 번째 블록이미지의 2회 웨이블렛 변환한 특징벡터의 추출과정 예를 도시한 것이다.
도 10은 본 발명에 따른 특징벡터 추출 과정을 도시한 것이다.
*도면의 주요 부분에 대한 부호의 설명*
S320 : 이미지 블록화 S330 : 웨이블렛 변환
S350 : 서브밴드를 셀로 분할 S360 : 셀별로 계수와 기준값 비교
S370 : 특징벡터 구성 S380 : 유사도 측정
본 발명은 웨이블렛 변환을 이용한 권종인식방법으로, 입력된 지폐이미지를 블록화시켜 블록별로 웨이블렛 변환을 각각 수행한 후 상기 웨이블렛 변환된 이미지 전체 또는 권종인식의 성능이 최대가 되는 블록을 선택하여 구성된 특징벡터로 지폐식별을 실행하는 방법에 관한 것이다.
종래의 지폐 식별 방법은 단일 소자(single element)형의 투과 및 반사 광센서를 복수개 사용하여 지폐로부터 일차원적인 데이터(1차원 데이터열, 혹은 이미지)를 획득한 후, 권종별 이미지 패턴을 조사하여 대별요소가 크다고 생각되는 특정영역들에 대하여 권종간 패턴 비교를 수행한다(템플릿 방식). 즉, 특정영역 집합(템플릿)을 대상으로 이미지 패턴을 비교하거나 지폐의 크기 측정에 의해 지폐의 권종을 구별하고 있다.
그러나 특정영역 표면패턴 비교검사 방법에 있어서는 판별될 지폐의 종류가 변경되는 경우나, 다른 새로운 종류의 지폐로 바뀔 경우, 기존 템플릿의 내용 및 위치가 변경되어야 하며 나아가 발광장치 및 수광장치의 위치 또는 방향이 조정됨에 따라 변경되어야 하는 등 장치 디자인이 종종 변경되지 않으면 안된다. 더욱이 종래방법에 있어서는 지폐의 종류가 단지 표면패턴 방식으로만 판독하므로 지폐의 최적표면패턴이 모든 종류의 지폐에 대하여 얻어질 수 있도록 조사된 부분의 위치를 결정하는 것은 불가능하며 그것은 모든 종류의 화폐를 고정밀도로 판별하는 것을 어렵게 만든다.
상기 문제점을 해결하기 위하여 지폐이미지를 스캔하여 웨이블렛 변환한 후 웨이블렛 계수의 절대값 크기를 기준값과 비교하여 구성된 특징벡터로 지폐 식별을 실행하는 방법이 제안되었다. 그러나 웨이블렛 변환의 특성상 변환된 각 서브밴드 이미지들은 전체 영상의 각각 다른 주파수의 표현이므로, 각 웨이블렛 서브밴드별로 추출된 특징벡터는 전체 영상 내 분포된 특징점들의 로컬영역 위치정보를 표현하기 힘들다. 예를 들어, 주어진 권종(앞면 혹은 뒷면)이 위 아래가 뒤집힌 상태(upside-down)에 따른 로컬영역의 위치정보는 권종 판별에 있어 중요한 변수가 된다. 따라서 상기 제안된, 지폐이미지를 원본 그대로 웨이블렛 변환하여 특징벡터를 추출하는 권종인식 방법에서는 웨이블렛 변환된 서브밴드 영역을 m*n개의 셀로 분할하여 특징을 추출함으로써 특징점들의 로컬영역 위치정보를 제한적으로 반영하고 있다. 본 발명에서는 이러한 특징점들의 로컬영역 위치정보를 보다 효과적으로 특징벡터에 포함시키기 위하여 지폐이미지를 소정의 블록으로 분할한 후 각각의 분할 된 이미지에 웨이블렛 특징추출을 실행한다. 블록으로 분할하여 특징추출을 할 경우, 사용자가 인식에 불필요하다고 판단되는 블록들을 사전 선별하여 특징추출 과정에서 제외함으로써 권종인식의 신뢰도 및 정확도를 향상시킬 수 있으며 이미지의 크기가 감소하므로 처리시간도 줄어들게 된다.
상기의 문제점을 해결하고자 본 발명은 제안된 것으로서, 입력된 지폐이미지를 블록화시켜 블록별로 웨이블렛 변환을 각각 수행한 후 상기 웨이블렛 변환된 이미지 전체 또는 권종인식의 성능이 최대가 되는 블록을 선택하여 구성된 특징벡터로 지폐식별을 가능하게 함으로써 판독해야 할 지폐의 처리시간을 줄이고 정확한 지폐인식이 가능하게 하며 새로운 종류의 지폐로 바뀌거나 모든 종류의 화폐를 고정밀도로 판별하는 것을 용이하게 한다.
상기와 같은 목적을 달성하기 위하여 본 발명은, 지폐를 스캔하여 생성한 원본이미지에 대하여 소정의 횟수만큼 가로 M, 세로 N으로 분할하는 단계와, 상기 분할된 이미지별로 소정의 횟수만큼 웨이블렛 변환하는 단계와, 상기 웨이블렛 변환으로 발생된 각각의 서브밴드에 대하여 웨이블렛 계수를 구하고, 각각의 서브밴드를 소정의 횟수인 가로 m, 세로 n으로 나누는 단계와, 상기 가로 m, 세로 n으로 나뉜 셀별로 웨이블렛 계수들의 절대값 크기와 기준값을 비교하여 기준값보다 크거나 같은 웨이블렛 계수들의 개수를 각각 추출하는 단계와, 상기 추출단계를 상기의 서브밴드별로 완료하여 수직구조의 특징벡터를 구성하는 단계와, 상기 특징벡터와 미리 정해진 판정기준 벡터와의 유사도를 측정하여 권종을 인식하는 단계를 구비하여 이루어진다.
이하, 본 발명의 바람직한 실시 예들이 첨부된 도면들을 참조하여 설명하기로 한다. 하기에서 각 도면의 구성요소들에 참조부호를 부가함에 있어 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다.
본 발명의 설명에 앞서서 웨이블렛 변환의 일반적인 내용을 설명하기로 한다.
웨이블렛 변환(wavelet transform)은 하나의 신호를 매우 간단한 기본 함수들로 재구성하는 변환을 말한다. 즉, 웨이블렛 변환은 데이터나 함수 또는 연산자(operator)들을 서로 다른 주파수 성분들로 분해하고 각 스케일에 해당하는 해상도와 연관된 각각의 성분들을 조사할 수 있는 방법이라 할 수 있다. 웨이블렛의 근본원리는 푸리에(Fourier) 분석과 비슷하며, 신호처리를 위해 웨이블릿을 이용하면 잡음 속에 섞인 약한 신호를 복원할 수 있다. 다만, 모든 주파수 대역에 대하여 동일한 크기의 필터를 사용하는 푸리에에 비하여 웨이블렛은 고주파 대역에서는 폭이 좁은 윈도우를, 저주파 대역에서는 폭이 넓은 윈도우를 사용한다는 차이점을 가지고 있다.
상기 웨이블렛 변환은 특히 의료분야의 X-선 및 자기공명 이미지 처리에서 그 유용성이 입증되었다. 이런 방법으로 처리된 이미지는 세부적인 내용에 흐릿함이 없이 깨끗하게 처리될 수 있다. 또한 상기 웨이블렛 변환은 사람이 사물을 바라볼 때 먼저 전체적인 윤곽을 파악하고 차츰 자세한 부분에 집중한다는 사실을 그대로 반영하고 있기 때문에 이미지처리에 적합하다.
상기 웨이블렛 변환의 기본동작은 n개의 샘플을 갖는 이산 신호에 적용된다. 신호에 대해 한쌍의 필터를 적용시켜 저주파 대역과 고주파 대역으로 분리한다. 각 대역은 2라는 요소로 서브 샘플링되었으므로 n/2개의 샘플을 포함한다.
상기 웨이블렛 변환의 예를 도 1과 함께 설명하면, 이미지를 공간상의 X축과 Y축방향으로 저대역 통과 필터(LPF)와 고대역 통과 필터(HPF)를 사용해 신호를 추출하여 웨이블렛 변환을 거치면 주파수 대역별로 총 네 개의 LL(110), LH(120), HL(130), HH(140)의 서브밴드가 생성된다.
이때, 생성된 서브밴드(LL, LH, HL, HH)는 도 1과 같이 영상에 적용된 필터에 따라 구분된다. 상기 LL서브밴드(110)는 원본이미지에 수평과 수직방향으로 저대역 통과 필터를 적용하여 영상에서 고주파 성분이 배제된 계수들로 이루어져 있다. 상기 HH서브밴드(140)는 원본이미지에 수평과 수직방향으로 고대역 통과 필터를 적용한 것으로 상기 LL서브밴드(110)와는 반대의 고주파 성분만 나타나게 된다.
상기 HL서브밴드(130)는 수직방향으로 고대역 통과 필터를 적용한 것으로 수직 방향의 주파수의 오차성분을 포함하고 있으며, 상기 LH서브밴드(120)는 수평방향으로 고대역 통과 필터를 적용한 것으로 수평방향 주파수의 오차성분을 포함하고 있다. 상기 LH서브밴드와 상기 HL서브밴드에서는 원래 이미지로부터 수평과 수직 성분의 에지탐색이 적용된 효과, 상기 HH서브밴드는 사선성분의 에지탐색이 적용된 효과를 볼 수 있다.
그런데, 상기 웨이블렛 변환은 1차 변환뿐 아니라 여러 단계 반복 변환하여 각 단계마다 서로 다른 해상도(Multi-resolution) 및 주파수 특징을 갖는다(Scalability). 상기 2차원 웨이블렛 변환의 구체적 예를 도 2를 참조하여 설명하면, 1회 웨이블렛 변환에 의해 도 2(b)와 같은 4개의 서브밴드(이하, LL영역(220), HL영역(222), LH영역(224), HH영역(226)이라 부르기로 함)가 생성되며, 다시 LL영역(220)을 웨이블렛 변환하면 4개의 서브밴드 LL영역(230), LH2영역(234), HL2영역(232), HH2영역(236)이 생성되어 총 8개의 서브밴드(LL(230), LH1(224), HL1(222), HH1(226), LH2(234), HL2(232), HH2(236))로 분할된다.
상기와 같이 LL영역(220, 230, 240, 250)을 분할하는 이유는 LL영역이 이미지의 주요정보가 포함되어 있기 때문이다. 상기 분할은 원하는 정보를 얻을 때까지 소정의 분할값만큼 반복하여 LL영역(220, 230, 240, 250)이 분할되어 새로운 처리대상 이미지를 얻을 수 있다.
상기 분할값만큼 계속 반복적인 웨이블렛 변환을 수행하는 것은 저주파 대역의 폭을 줄이는 것이며, 이로 인해 2배의 공간 해상도를 얻게 된다. 상기 웨이블렛 변환의 반복수행을 위한 판단기준으로 제공되는 분할값은 정보의 손실여부 및 특징벡터의 크기를 고려하여 적절한 값으로 설정되어야 한다.
상술한 바와 같은 웨이블렛 변환은 그 변환에 적용되는 기저함수의 선택에 따라 Haar 웨이블렛 변환, Morlet 웨이블렛 변환 등 다양한 변환 방법이 적용될 수 있으며, 본 발명의 권종인식방법은 그 적용되는 웨이블렛 변환 방식에 제한을 받지 않고, 어떠한 웨이블렛 변환의 사용도 허락한다. 상술한 다양한 방식의 웨이블렛 변환 중, 특히 Haar 웨이블렛 변환은 연속된 색상의 넓은 영역을 잘 표현하고 구현이 쉬우며 속도가 빠르다. 또한 이미지 모양을 표현하는 체계의 특성인 유일성, 완전성, 불변성, 민감도, 추상화 조건을 충족시키고 있어 본 발명의 권종인식방법에 적용하기에 바람직하다.
도 3은 본 발명에 따른 웨이블렛 변환을 이용한 권종인식방법을 나타낸 순서도이다.
본 발명에 따라 지폐의 권종을 인식하기 위해서는, 먼저 인식을 원하는 지폐를 스캔하여(S310) 도 4와 같이 원본이미지(410)를 생성하며, 상기 원본이미지(410)를 도 5와 같이 가로 M, 세로 N으로 블록화 시킨다. 상기 블록화란 이미지를 서로 겹치지 않는 직사각형의 조각들로 나누는 것으로서 설정된 값인 가로 M, 세로 N개로 분할되는 것을 뜻한다.
상기 전처리된 원본이미지를 블록화하여 웨이블렛 변환을 적용시키면 전체이미지를 웨이블렛 변환하는 것보다 더 많은 정보를 가지므로 보다 정확한 정보를 얻을 수 있으며, 중요한 블록만 선택하여 처리할 수 있어 권종인식 처리시간을 줄일 수 있다. 예를 들어 도 5와 같이 전처리된 원본이미지를 M=2, N=2로 설정하여 블록화하면 가로 2개, 세로 2개로 분할되어 총4개의 블록(510, 512, 514, 516)이 생성된다.
이어서 상기 블록화된 이미지별로 분할값만큼 각각 웨이블렛 변환한다(S330). 상기 웨이블렛 변환은 종래의 웨이블렛 변환을 지폐인식에 적용하기 위한 것으로서 블록화된 이미지를 각각 웨이블렛 변환하면 LL영역, LH영역, HL영역, HH영역이 생성된다. 이어서 상기 생성된 영역 중 LL영역을 소정의 분할 값만큼 계속 웨이블렛 변환하여 LH영역, HL영역, HH영역을 생성해 내는 것이다.
상기 LL영역의 웨이블렛 변환 반복은 소정의 분할값의 횟수만큼 이루어지는데 지폐인식의 경우 적절한 분할값을 결정하기 위해서는 권종별 대표 특징벡터로 저장된 참조데이터와 주어진 지폐이미지의 벡터를 비교하여 이러한 특징벡터들을 명확히 구분할 수 있는지 판단한다. 즉, 참조데이터와 주어진 특징벡터와의 일대일 비교를 통해 두 벡터간의 일치 정도를 계산한 후 이 결과에 따라 각 지폐를 구분할 수 있는 정도까지 LL영역의 웨이블렛 변환을 반복한다.
예를 들어 도 6과 같이 첫 번째 블록 이미지의 웨이블렛 변환을 2회 반복한다면 첫 번째 블록 이미지(510)가 첫 번째 웨이블렛 변환시 도 6(b)와 같이 LL영역(520), LH영역(524), HL영역(522), HH영역(526)이 생성된다. 다시 상기 LL영역(520)을 두 번째 웨이블렛 변환시키면 도 6(c)와 같이 LL영역(530), LH1영역(524), HL1영역(522), HH1영역(526), LH2영역(534), HL2영역(532), HH2영역(536)이 생성된다. 이하에서는 상기 분할값을 'J레벨'로 예를 들어 설명될 것이다.
상기와 같이 분할값인 J레벨까지 웨이블렛 변환이 지폐의 권종인식에 적용되는 예를 구체적으로 살펴보면, 상기 첫 번째 블록화된 이미지(510)를 상기 분할 값만큼 웨이블렛 변환시키면 3J+1개로 분할된다. 상기 분할로 생성되는 영역은 마지막으로 변환된 LL영역(530)을 제외한 3J(d1~d3j)개를 얻을 수 있다. 예를 들어, J 레벨을 2로 설정하면 도 6(c)와 같이 상기 첫 번째 블록화된 이미지(510)는 7개(3*2+1)로 분할되며 6개의 d1영역(522), d2영역(524), d3영역(526), d4영역(532), d5영역(534), d6영역(536)을 얻을 수 있다.
상기 설정된 J레벨 값만큼 웨이블렛 변환이 완료되면 각각의 d1~d6(J는 2일 경우)의 영역은 영역별로 서로 이웃하는 정보의 차이를 이용하여 각 밴드의 특성을 갖는 웨이블렛 계수들로서 구성된다(S340). 상기 웨이블렛 계수는, 수평과 수직방향으로 저대역 통과 필터를 적용시킨 LL영역(530)은 영상의 근사 계수값으로 구성되고, 수평방향으로 고대역 통과 필터를 적용시킨 LH영역인 d5영역(534)과 d2영역(524)은 영상의 수평성분에 대한 계수값으로 구성된다.
또한 수직방향으로 고대역 통과 필터를 적용시킨 HL영역인 d4영역(521)과 d1영역(524)은 영상의 수직성분에 대한 계수값으로 구성되며 수평과 수직방향에 고대역 통과 필터를 적용시킨 HH영역인 d6영역(536)과 d3영역(526)엔 영상의 대각선 성분의 계수값으로 구성된다.
이어서 상기 웨이블렛 변환으로 생성된 M*N*3J개영역(예컨대, J레벨이 2인 경우 M*N블록개의 d1~d6의 영역)별로 각 특징벡터를 구성한다. 여기서 전체 M*N*3J개의 영역들이 특징벡터 구성에 참여할 필요는 없다. 웨이블렛 변환단계인 분할값 결정과 유사하게 권종인식 성능이 최대가 되는 영역의 위치와 개수를 결정할 수 있다. 이 경우 각 영역들의 모든 조합들에 대하여 인식성능을 조사하여 최적의 영역 조합을 구할 수 있다(Full search, Binary tree search 등).
상기 특징벡터는 상기 추출된 웨이블렛 계수의 절대값 크기와 미리 설정된 기 준값을 비교하여 구성한 벡터값으로서 예를 들어, 첫 번째 블록화된 이미지 d2영역(524)의 특징벡터를 구하는 것을 설명하면, 먼저 도 7과 같이 d2(524)를 각각 가로 m, 세로 n개인 셀들로 나눈다(S350). 상기 m*n개로 나뉜 셀별로 웨이블렛 계수의 절대값 크기를 기준값과 비교하여(S360) 기준값보다 크거나 같은 계수들의 개수를 각각 추출하여 1차 벡터로 구성한다(S370).
예를 들면 기준값이 7인 경우, d2영역(524)을 도 8과 같이 m(11)*n(4)로 나눈 후 첫 번째 셀인 m1n1셀(810)의 계수들 중에서 상기 기준값인 7보다 큰 계수들의 개수를 센다. 즉, {5, 7, 9, 10, 11, 9, ... 9, 9, 8, 7, 7, 6}로 이루어진 m1n1셀(810)에서 기준값 7이상인 계수들의 개수를 세어보면 35개가 됨을 알 수 있고, 이러한 35개라는 개수가 m1n1의 특징벡터(812)가 된다. 이어서 두 번째 셀인 m2n1셀(820)의 계수들 중 기준값 7보다 큰 계수들의 개수를 세어 추출된 27이 m2n1의 특징벡터(822)가 된다. 상기 추출과정을 mmnn셀(830)까지 완료하면 m*n개를 원소로 갖는 1차벡터(840)가 생성된다. 마찬가지로 도 9의 모든 6개(J=2)의 서브밴드영역(d1~d6)에 대해 상기 특징벡터 생성과정을 반복하면, 6*m*n개의 d2의 특징벡터가 생성됨을 알 수 있다.
상기 도 9는 한 블록의 J=2인 경우에 나온 값이고 이를 수식화하면 가로블록수(M)*세로불록수(N)*3*웨이블렛 변환레벨(J)*가로셀수(m)*세로셀수(n)개인 총 MN3Jmn비트의 수직구조로 된 특징벡터가 도 10과 같이 추출된다.
웨이블렛 변환의 특성에 근거, 상기 M*N*(3*J+1)개의 모든 웨이블렛 서브밴드 영역들은 각각 해당 블록 영상들에 대한 특정 주파수 해상도의 다른 표현이다. 또한 서브밴드 영역을 m*n개의 셀로 분할하는 것은 각각의 블록 영상들을 m*n개의 부분으로 분할하는 의미를 내포한다. 따라서 이러한 블록들의 조합 및 상기 셀단위로 특징벡터를 추출함으로써 전체 이미지내의 특징점 로컬영역 위치정보의 표현을 극대화 할 수 있다.
이어서 상기 구성된 특징벡터와 미리 정해진 판정기준 벡터와의 유사도를 측정하여(S380) 권종인식한다(S390). 상기 특징벡터의 검증을 위해서는 데이터 분포도 상에서 상기 특징벡터와 판정기준벡터와의 인자값들의 최소거리 분포를 도출하는 최소거리기법(minimum separate technique) 등의 방법을 이용하여 최종적인 유사도를 결정한다.
상술한 본 발명의 설명에서는 통상의 지폐인식에 관해 설명하였으나 통상의 지폐에 한정되지 않고, 증권, 각종 금권, 수표 등의 소정의 인쇄모양 또는 지폐의 은화모양 등을 구비하는 지폐류 일반에 대한 인식에 적용할 수 있다. 따라서 본 발명의 특허 범위는 상기 설명된 실시 예에 의하여 정할 것이 아니고 특허청구범위뿐 아니라 균등 범위에도 미침은 자명할 것이다.
상기에서 설명한 바와 같이 본 발명은, 웨이블렛 변환을 이용한 권종인식방법으로, 입력된 지폐이미지를 블록화시켜 블록별로 웨이블렛 변환을 각각 수행한 후 상기 웨이블렛 변환된 이미지 전체 또는 권종인식의 성능이 최대가 되는 블록을 선택하여 구성된 특징벡터로 지폐식별을 가능하게 함으로써 판독해야할 지폐가 새로운 종류의 지폐로 바뀌거나 모든 종류의 화폐를 고정밀도로 판별하는 것을 용이하게 한다.
또한, 지폐의 오염정도나 식별장치의 개체성능의 변동 등의 오차요인을 배제함으로서 안정된 지폐의 권종인식을 판정 할 수 있다.

Claims (5)

  1. 지폐를 스캔하여 생성한 원본이미지에 대하여 소정의 횟수만큼 가로 M, 세로 N으로 분할하는 단계와;
    상기 분할된 이미지별로 소정의 횟수만큼 웨이블렛 변환하는 단계와;
    상기 웨이블렛 변환으로 발생된 각각의 서브밴드에 대하여 웨이블렛 계수를 구하고, 각각의 서브밴드를 소정의 횟수인 가로 m, 세로 n으로 나누는 단계와;
    상기 가로 m, 세로 n으로 나뉜 셀별로 웨이블렛 계수들의 절대값 크기와 기준값을 비교하여 기준값보다 크거나 같은 웨이블렛 계수들의 개수를 각각 추출하는 단계와;
    상기 추출단계를 상기의 서브밴드별로 완료하여 수직구조의 특징벡터를 구성하는 단계와;
    상기 특징벡터와 미리 정해진 판정기준 벡터와의 유사도를 측정하여 권종을 인식하는 단계로 이루어진 웨이블렛 변환을 이용한 권종인식방법
  2. 제 1항에 있어서, 상기 웨이블렛 변환은 Haar 웨이블렛 변환을 적용하는 것을 특징으로 하는 웨이블렛 변환을 이용한 권종인식방법
  3. 제 1항에 있어서, 상기 웨이블렛 계수는 서브밴드 이미지별로 서로 이웃하는 정보의 차이를 이용하여 각 서브밴드의 특성을 갖는 것을 특징으로 하는 웨이블렛 변환을 이용한 권종인식방법
  4. 제 1항에 있어서, 상기 특징벡터를 구성하는 단계는 가로블록수(M)*세로블록수(N)*3*웨이블렛 변환횟수(J)*가로셀수(m)*세로셀수(n)개인 총 MN3Jmn비트의 수직구조로 된 특징벡터로 구성되는 것을 특징으로 하는 웨이블렛 변환을 이용한 권종인식방법
  5. 제 1항에 있어서, 상기 유사도를 측정하는 단계는 최소거리기법을 사용하여 구해진 상기 특징벡터와 상기 판정기준 벡터의 최소거리 분포를 이용하여 최종적인 유사도를 결정하는 것을 특징으로 하는 웨이블렛 변환을 이용한 권종인식방법
KR1020060023052A 2006-03-13 2006-03-13 웨이블렛 변환을 이용한 권종인식방법 KR101056666B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020060023052A KR101056666B1 (ko) 2006-03-13 2006-03-13 웨이블렛 변환을 이용한 권종인식방법
PCT/KR2007/001195 WO2007105891A1 (en) 2006-03-13 2007-03-12 Recognizing the denomination of a note using wavelet transform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060023052A KR101056666B1 (ko) 2006-03-13 2006-03-13 웨이블렛 변환을 이용한 권종인식방법

Publications (2)

Publication Number Publication Date
KR20070093209A KR20070093209A (ko) 2007-09-18
KR101056666B1 true KR101056666B1 (ko) 2011-08-12

Family

ID=38509682

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060023052A KR101056666B1 (ko) 2006-03-13 2006-03-13 웨이블렛 변환을 이용한 권종인식방법

Country Status (2)

Country Link
KR (1) KR101056666B1 (ko)
WO (1) WO2007105891A1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101755290B (zh) 2007-06-01 2012-11-28 卡巴-诺塔赛斯有限公司 对安全文件特别是钞票的鉴定
RU2421818C1 (ru) * 2010-04-08 2011-06-20 Общество С Ограниченной Ответственностью "Конструкторское Бюро "Дорс" (Ооо "Кб "Дорс") Способ классификации банкнот (варианты)
KR101232683B1 (ko) * 2011-01-21 2013-02-13 노틸러스효성 주식회사 베이시안 접근법을 이용한 권종 인식 방법
WO2012099435A2 (ko) * 2011-01-21 2012-07-26 노틸러스효성 주식회사 베이시안 접근법을 이용한 지폐 감별 방법
KR101232684B1 (ko) * 2011-01-21 2013-02-13 노틸러스효성 주식회사 베이시안 접근법을 이용한 지폐 진위 감별 방법
CN103035061B (zh) * 2012-09-29 2014-12-31 广州广电运通金融电子股份有限公司 有价文件防伪特征生成方法及其鉴别方法和装置
CN107331031B (zh) * 2017-07-04 2019-10-11 深圳怡化电脑股份有限公司 一种纸币币值的识别方法、装置、设备及存储介质
CN107895424B (zh) * 2017-10-31 2020-11-17 深圳怡化电脑股份有限公司 一种纸币的识别方法、系统及金融终端

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004213559A (ja) * 2003-01-08 2004-07-29 Glory Ltd 紙幣記番号読取装置および紙幣記番号読取方法
US20040238619A1 (en) * 2003-01-08 2004-12-02 Keiji Nagasaka Bill serial number reading device and bill serial number reading method

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59186079A (ja) * 1983-04-06 1984-10-22 グローリー工業株式会社 紙幣識別装置
US6634482B1 (en) * 2001-01-24 2003-10-21 Robert J. Miele Bill and coin checker

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004213559A (ja) * 2003-01-08 2004-07-29 Glory Ltd 紙幣記番号読取装置および紙幣記番号読取方法
US20040238619A1 (en) * 2003-01-08 2004-12-02 Keiji Nagasaka Bill serial number reading device and bill serial number reading method

Also Published As

Publication number Publication date
WO2007105891A1 (en) 2007-09-20
KR20070093209A (ko) 2007-09-18

Similar Documents

Publication Publication Date Title
KR101056666B1 (ko) 웨이블렛 변환을 이용한 권종인식방법
KR100751855B1 (ko) 웨이블렛 변환을 이용한 권종인식방법
Hiremath et al. Wavelet based co-occurrence histogram features for texture classification with an application to script identification in a document image
JP5108018B2 (ja) 紙葉類識別装置及び紙葉類識別方法
KR20070093210A (ko) 웨이블렛 변환을 이용한 권종인식방법
CA2899868C (en) Authentication of security documents and mobile device to carry out the authentication
US20020150281A1 (en) Method of recognizing human iris using daubechies wavelet transform
DE60033535T2 (de) Geldechtheitsprüfer
JP4723724B2 (ja) 分類方法と装置
JP4932177B2 (ja) 硬貨分類装置および硬貨分類方法
WO2007068867A1 (en) Banknote validation
US20070172108A1 (en) Method and apparatus for identifying MICR characters
JP5707416B2 (ja) 最適化
EP2465098B1 (en) Authentication of security documents, in particular of banknotes
WO2011126411A1 (ru) Способ обработки банкнот (варианты)
CN106301575B (zh) 一种光纤振动信号的分类方法及装置及光纤传感系统
CN108665603B (zh) 识别纸币币种的方法、装置及电子设备
JP2012084175A (ja) 硬貨分類装置および硬貨分類方法
CN112313718A (zh) 材料样品的基于图像的新颖性检测
AU2003247029B2 (en) Currency validator
CN100517396C (zh) 在检验货币中用于处理信号的方法和装置
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
KR101232684B1 (ko) 베이시안 접근법을 이용한 지폐 진위 감별 방법
Hatami et al. Wavelet based fingerprint image enhancement
Nayak et al. Neural network approach for Indian currency recognition

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140805

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150731

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160808

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170809

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20190807

Year of fee payment: 9