WO2013170664A1 - 一种薄片类介质分类方法及其装置 - Google Patents
一种薄片类介质分类方法及其装置 Download PDFInfo
- Publication number
- WO2013170664A1 WO2013170664A1 PCT/CN2013/073248 CN2013073248W WO2013170664A1 WO 2013170664 A1 WO2013170664 A1 WO 2013170664A1 CN 2013073248 W CN2013073248 W CN 2013073248W WO 2013170664 A1 WO2013170664 A1 WO 2013170664A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- image information
- image
- size
- feature
- identified
- 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.)
- Ceased
Links
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
- G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
Definitions
- the invention relates to a Chinese patent application filed on May 16, 2012 by the Chinese Patent Office, the application number is 201210152845.3, and the invention name is "a sheet medium classification method and device" Priority is hereby incorporated by reference in its entirety.
- the present invention relates to a technique for processing image information, and more particularly to a method and apparatus for rapidly classifying sheet media based on image information.
- the bank In the financial field, in order to automate the processing of a large number of bills, such as a large amount of overlapping banknotes in the circulation process, the bank needs to sort the large number of aliased bills, that is, the clearing operation of the bills.
- the current solution obtains image information of each banknote to be processed, and then performs classification and analysis according to image information.
- the existing classification techniques mainly have the following two categories: One is based on the standard feature data of the banknotes to be processed, and the features of the extracted sheet-like medium (hereinafter referred to as the object to be identified) are successively matched with the standard feature data, if they are similar If the sexual satisfaction meets the preset threshold requirement, the identification object is considered to belong to the same category as the standard feature data.
- This method requires that the physical position of the object feature is changed little, and a large storage space is required to store the standard feature data, and the matching needs to be performed successively, so the recognition speed is slow, and it is difficult to meet the requirements of the fast processing.
- the other is to obtain a standard feature vector according to the standard banknote, extract the feature composition feature vector of the object to be identified, and classify and identify according to the same classifier, because the current banknotes have different currencies.
- Banknotes of different denominations have different sizes.
- images of banknotes of different sizes obtained by similar or equivalent transformation methods are mapped to the same size to obtain a normalized image.
- a standard length L and a standard width sensor are preset to collect the banknote image, and the actual length/the actual width w of the banknote image is collected, and normalized to a standard length L and a standard width by a similar or equivalent method of similar variation. W.
- the interpolation is performed at the ratio of the actual length Z of the banknote image (inserted into the L-Z line), so that the number of image lines reaches L, and a new banknote image is formed again.
- the banknote image length is not processed. If the W line is extracted in the proportion of the actual length w line of the banknote image,
- One of the objects of the present invention is to provide a sheet medium classification method which can effectively improve the eigenvector of different classes and enhance the generalization ability of the classifier.
- the method for classifying the sheet medium includes the following practical steps:
- Step 1 obtaining image information of the sheet medium to be identified
- Step 2 normalizing the obtained image information according to a preset standard image size to obtain image information to be identified;
- Step 3 performing feature extraction on the image information to be formed to form a feature vector
- Step 4 sending the feature vector to a classifier trained by a standard sheet medium to obtain a classification result
- step 2 includes the following steps:
- Step 21 Determine whether the size of the obtained image information is smaller than a preset standard image size, and if yes, directly return to the unknown type of sheet medium and perform step 5, otherwise perform the next step;
- Step 22 calculating a geometric center of the obtained image information
- Step 23 intercepting the preset standard image size image information centering on the geometric center to form image information to be identified.
- the preset standard image size is equal to a minimum size of a standard sheet type medium.
- feature extraction is performed on the image information to be recognized to form a feature vector, which specifically includes the following steps: Step 31: Perform feature area delineation on the image information to be recognized;
- Step 32 Perform feature extraction on the feature area to form a feature vector.
- the feature extraction uses an extraction method of gray level average, gray variance, independent component analysis, principal component analysis, wavelet analysis, fractal analysis or genetic algorithm analysis of image information.
- the present invention also provides an apparatus for realizing rapid classification of a sheet-like medium, comprising: an image acquisition unit for obtaining image information of a sheet-like medium to be identified;
- An image normalization unit configured to normalize the obtained image information according to a preset standard image size to obtain image information to be identified
- a feature extraction unit that performs feature extraction on the image information to be formed to form a feature vector
- a data storage unit that stores preset standard image size data, standard template data, and data information that needs to be stored in the classification and recognition process.
- a classification result output unit configured to output a classification recognition result obtained by the identification unit; wherein the image normalization unit comprises:
- a determination unit that determines whether the size of the image information is smaller than a preset standard image size, and a calculation unit that obtains a geometric center of the image information
- an image information generating unit that is to be identified by capturing image information of the sheet medium to be identified with the preset standard image size image information centering on the geometric center.
- the sheet medium sorting device further comprises a separation transport device of the sheet medium.
- the sheet medium sorting device further includes a sorting and stacking device of the sheet type medium.
- the sheet medium sorting method has the following advantages compared with the prior art:
- the method provided by the invention takes the same length up, down, left and right according to the intersection of the horizontal and vertical central axes of the sheet medium, and then cuts the selected image area to obtain an image of the same size, and a certain image on the sheet medium. These patterns may be discarded. This discarding can increase the difference between different denomination feature vectors in the same currency, which can effectively improve the discrimination of feature vectors between different categories and enhance the generalization ability of the classifier.
- FIG. 1 is a block diagram of a device for rapidly classifying a sheet medium according to the present invention
- FIG. 2 is a block diagram of an image normalization unit provided by the present invention.
- FIG. 3 is a flow chart of a method for quickly classifying a sheet medium according to the present invention
- FIG. 4 is a flow chart of image normalization processing provided by the present invention
- Figure 5 is a schematic diagram of calculating the geometric center of banknote image information
- FIG. 6 is a schematic diagram of an image to be recognized taken centering on the geometric center of the banknote image;
- FIG. 7 is a schematic diagram of a conventional equalization reduction normalization process;
- Figure 8 is a schematic view showing the division of characteristic regions of the 50 and 100 dollar bill images after normalization according to the present invention.
- Figure 9 is a schematic diagram showing the division of feature regions using 50 and 100 dollar banknote images after conventional normalization.
- the information is normalized according to the preset standard image size to obtain the image normalization unit 2 of the image information to be identified; the feature extraction unit 3 for performing feature extraction on the image information to be recognized to form a feature vector; a standard image size data, standard template data, and a data storage unit 4 for storing data information in the classification and recognition process; an identification unit 5 for classifying and identifying the sent feature vectors; and - for outputting the identification portion
- the classification result output unit 6 of the classification recognition result in order to realize automatic continuous clearing processing for a large number of sheet-like media, the sheet-type medium quick sorting device provided by the embodiment further has a separate transport device 6 for automatically and quickly separating and transferring banknotes, in order to complete the classification of the banknotes. Finishing, the apparatus further includes a sorting stacking device 7 for separately sorting the different types of banknotes that have been identified and sorted to achieve automatic continuous clearing processing.
- the image normalization unit 2 includes: a determination unit 21 for determining whether the size of the obtained image information is smaller than a preset standard image size, and a calculation unit 22 for obtaining a geometric center of the image information;
- the image information to be identified is an image information to be identified by the image information of the sheet medium to be identified, with the preset standard image size image information being centered on the geometric center.
- the rapid classification method of the rapid classification device for the sheet medium by taking the banknote as an example.
- the method for classifying the sheet medium includes the following practical steps:
- the feature vector is sent to a classifier trained by a standard sheet medium to obtain a classification result
- the specific normalization process is shown in FIG. 4, and the normalization process specifically includes the following steps:
- the preferred standard image size is the smallest of the standard banknote types that can be processed.
- feature extraction of the image information to be processed to form the feature vector adopts the following steps:
- the feature area is defined as at least 1 Block, according to the processing capacity of the computing system, the more the number of blocks is defined, the better, but it needs to be pointed out that the more the area, the larger the calculation, and the longer the calculation speed.
- feature extraction methods for feature regions can be used to extract feature methods such as gray average, gray variance, independent component analysis, principal component analysis, wavelet analysis, fractal analysis or genetic algorithm analysis. Depending on the accuracy to be achieved and the processing power of the hardware platform, one of the above extraction methods can be selected to complete the feature extraction.
- the processing steps performed by the normalization processing method of the present invention are as follows:
- the preset standard image size is length / width IV, and when the collected banknote image length is L and the banknote image width is W, and it is judged that there is L > Z , W > w , then proceed as follows:
- the normalized image information to be recognized is obtained, as shown in FIG. 6.
- the normalization method of the common banknote image only a proportional reduction of the pattern on the banknote image is obtained to obtain the normalized image information to be recognized, as shown in FIG.
- the image to be identified is processed by the above two normalization methods to perform feature region division, as shown in FIGS. 8 and 9, respectively, and 4 times the obtained image information to be identified is obtained.
- Corr(X,Y) CoV ⁇ Y
- 0 ⁇ ( ⁇ ,1 (:0 - ( ( ⁇ is (: covariance with E, (( ⁇ ), X( ⁇ ), respectively, X, ; F Mathematical expectation.
- the correlation coefficients of the feature vectors ⁇ and ⁇ formed by the traditional normalized 50 and 100 elements are:
- the correlation coefficient of the eigenvectors processed by the normalization method provided by the present invention is significantly lower than that obtained by the conventional normalization process.
- the correlation coefficient of the vector Therefore, by adopting the method of the invention, the discrimination degree of feature vectors between different classes can be effectively improved, and the generalization ability of the classifier is enhanced.
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Image Analysis (AREA)
Description
一种薄片类介质分类方法及其装置 本申请要求于 2012 年 5 月 16 日提交中国专利局、 申请号为 201210152845.3、 发明名称为"一种薄片类介质分类方法及其装置"的中国 专利申请的优先权， 其全部内容通过引用结合在本申请中。 技术领域
本发明涉及一种图像信息的处理技术， 尤其一种依据图像信息对薄片 类介质进行快速分类的方法及其装置。
背景技术
在金融领域， 为了自动化处理众多的票据， 比如将流通过程中大量混 叠钞票， 银行需要对这些大量混叠的钞票进行分类整理， 即钞票的清分操 作。 为了实现对不同币种、 不同面值的钞票进行自动分类处理， 目前的解 决方案获得需要处理的每一张钞票的图像信息， 然后根据图像信息进行分 析对比而实现分类。 现有分类技术主要有如下两大类： 一种是根据要处理钞票的标准特征数据，对提取待薄片类介质 (下称， 待识别对象） 的特征逐次与标准特征数据进行匹配， 若其相似性满足预先 设置的阈值要求， 则认为识别对象与该标准特征数据属于同一个类别。 此 方法要求识别对象特征的物理位置变化较小， 且需要较大的存储空间来储 存标准特征数据， 而且需要逐次匹配， 因此识别速度较慢， 难以满足快速 处理的要求。 另一种是依据标准钞票获得标准特征向量， 提取待识别对象的特征组 成特征向量， 依据相同的分类器进行分类识别， 由于目前的钞票不同币种
和不同面值的钞票具有不同的尺寸， 目前一般通过类似或者等价于相似变 换的方法将获得的不同大小的钞票图像映射成相同的大小， 得到归一化后 的图像。 首先预设一个标准长度 L与标准宽度 传感器采集到钞票图像， 将 采集钞票图像的实际长度 /和实际宽度 w, 通过类似或者等价于相似变化的 方法， 归一化为标准长度 L与标准宽度 W。
若 在钞票图像的实际长度/行中按 的比例抽取 L行， 使其图像 行数达到 L, 重新组成新的钞票图像。
若 >1, 在钞票图像的实际长度 Z行中按 的比例进行插值（插入 L-Z 行）， 使其图像行数达到 L, 重新组成新的钞票图像。
若 =1, 不对钞票图像长度进行处理。 若 在钞票图像的实际长度 w行中按 的比例抽取 W行， 使其图
W W
像宽度达到 重新组成新的钞票图像。
若^>1, 在钞票图像的实际宽度 W行中按 的比例进行插值 （插入
W W
w-wH), 使其图像宽度达到 重新组成新的钞票图像。
若 = i, 不对钞票图像宽度进行处理。
W
因为上述方法本质上是一种相似性变换， 而同一种钞票的不同面值大 多具有比较多的共同图案， 只是颜色和大小稍有不同， 所以对于使用灰度 图像进行钞票识别， 这种变换方法无疑缩小了同一币种同一面向不同面值 之间特征向量的可区分度。 上述方法要求所提取的特征具有较好的区分度， 但是保证所提取特征 的区分度都具有稳定的也较好的区分度是不现实的。 而且上述无论哪一种
技术方案对标准特征数据都具有较强的依赖性， 当图像的大小发生一定的 变化， 所选取特征的位置也会发生变化， 从而都会影响到识别效果。 更重要的是， 同一币种不同面值的同一面向的图案大致相似， 只是细 节不同， 因此上述的处理技术方案使分类器（如神经网络、 支持向量机） 依据统一大小的钞票图像上提取特征进行分类变得更加可靠。 发明内容
本发明的目的之一在于提供一种能有效提高不同类别间特征向量的区 分度， 增强分类器的泛化能力的薄片类介质分类方法。
该种薄片类介质分类方法包括如下现实步骤：
步骤 1 , 获得待识别薄片类介质的图像信息；
步骤 2, 将获得的图像信息依据预设标准图像尺寸进行归一化处理得 到待识别图像信息；
步骤 3 , 对待识别图像信息进行特征提取形成特征向量；
步骤 4, 将该特征向量送入经标准薄片类介质训练好的分类器， 得出 分类结果；
步骤 5 , 结束；
其特殊之处在于， 步骤 2中该归一化处理包括如下步骤：
步骤 21 ,判断获得图像信息的尺寸是否小于预设标准图像尺寸，若是, 直接返回未知种类薄片类介质而执行步骤 5 , 否则执行下一步；
步骤 22, 计算获得图像信息的几何中心；
步骤 23 , 以该几何中心为中心截取预设标准图像尺寸大小图像信息形 成待识别图像信息。
优选的， 所述预设标准图像尺寸等于标准薄片类介质的最小尺寸。 优选的， 所述步骤 3 , 对待识别图像信息进行特征提取形成特征向量， 具体包括如下步骤：
步骤 31 , 对待识别图像信息进行特征区域划定；
步骤 32, 对特征区域进行特征提取形成特征向量。
优选的， 所述特征提取采用图像信息的灰度平均、 灰度方差、 独立分 量分析、 主成份分析、 小波分析、 分形分析或遗传算法分析中的一种提取 方法。
本发明还提供一种实现薄片类介质快速分类的装置， 其包括： 一图像采集部， 用以获得待识别薄片类介质的图像信息；
一图像归一化部， 用以将获得的图像信息依据预设标准图像尺寸进行 归一化处理得到待识别图像信息；
一特征提取部， 对待识别图像信息进行特征提取形成特征向量； 一数据存储部， 用以存储预设标准图像尺寸数据， 标准模板数据以及 分类识别过程中需要存储的数据信息。
一识别部， 用以对所送入的特征向量进行分类识别；
一分类结果输出部， 用以输出识别部得到的分类识别结果； 其特征在于， 该图像归一化部包括：
一判断获得图像信息的尺寸是否小于预设标准图像尺寸的判断部， 一获得图像信息的几何中心的计算单元；
一将待识别薄片类介质的图像信息以该几何中心为中心截取预设标准 图像尺寸大小图像信息的待识别图像信息生成单元。
优选的， 该薄片类介质分类装置还包括薄片类介质的分离传输装置。 优选的， 该薄片类介质分类装置还包括薄片类介质的分类堆叠装置。 该薄片类介质分类方法与现有技术对比具有如下优点：
本发明提供的方法根据薄片类介质的水平和垂直中轴线交点为中心向 上下左右分别取相同的长度， 然后将所选择的图像区域切割下来， 得到相 同大小的图像， 薄片类介质图像上的某些图案可能会被舍弃， 这种舍弃可 以增加同一币种不同面值特征向量之间的差异， 能够有效提高不同类别间 特征向量的区分度， 增强分类器的泛化能力。
附图说明
图 1 是本发明所提供的一种薄片类介质快速分类的装置的模块组成 图；
图 2是本发明所提供的图像归一化部的模块组成图；
图 3是本发明所提供的薄片类介质快速分类方法的流程图； 图 4是本发明所提供的图像归一化处理流程图；
图 5是计算钞票图像信息几何中心的示意图；
图 6是以钞票图像的几何中心为中心截取的待识别图像示意图； 图 7是采用传统等比例缩小归一化处理示意图；
图 8是采用本发明归一化处理后 50和 100元钞票图像进行特征区域划 分示意图； 以及
图 9是采用传统归一化处理后 50和 100元钞票图像进行特征区域划分 示意图。
具体实施方式
为进一步阐述本发明， 以下结合图示介绍本发明的一个优选实施例。 参阅附图 1 , 详细说明该薄片类介质快速分类装置， 该薄片类介质快 速分类的装置， 包括一用以获得待识别薄片类介质的图像信息的图像采集 部 1 ; 一用以将获得的图像信息依据预设标准图像尺寸进行归一化处理得 到待识别图像信息的图像归一化部 2; —用以对待识别图像信息进行特征 提取形成特征向量的特征提取部 3; —用以存储预设标准图像尺寸数据， 标准模板数据以及分类识别过程中需要存储的数据信息的数据存储部 4; 一用以对所送入的特征向量进行分类识别的识别部 5; —用以输出识别部 得到的分类识别结果的分类结果输出部 6。 另外， 为了实现对大量薄片类 介质的自动化连续清分处理， 本实施例所提供的薄片类介质快速分类装置 还具有自动快速分离传输钞票的分离传输装置 6, 为了完成对钞票的分类
整理， 本装置还包括一个分类堆叠装置 7, 以便对经过识别分类后的不同 类钞票进行分别整理以实现自动连续的清分处理。
参阅附图 2, 该图像归一化部 2包括： 一用于判断获得图像信息的尺 寸是否小于预设标准图像尺寸的判断部 21 , ; —用于获得图像信息的几何 中心的计算单元 22； 一将待识别薄片类介质的图像信息以该几何中心为中 心截取预设标准图像尺寸大小图像信息的待识别图像信息生成单元 23。
下面以钞票为例对该薄片类介质快速分类装置的快速分类方法进行描 述说明， 参阅附图 3 , 该薄片类介质分类方法包括如下现实步骤：
S1 , 获得待识别薄片类介质的图像信息；
S2, 将获得的图像信息依据预设标准图像尺寸进行归一化处理得到待 识别图像信息；
53 , 对待识别图像信息进行特征提取形成特征向量；
54, 将该特征向量送入经标准薄片类介质训练好的分类器， 得出分类 结果；
S5 , 结束；
其中具体的归一化处理流程参阅附图 4, 该归一化处理具体包括如下 步骤：
S21 , 判断获得图像信息的尺寸是否小于预设标准图像尺寸， 若是， 直 接返回未知种类薄片类介质而执行 S5 , 否则执行下一步；
S22, 计算获得图像信息的几何中心；
S23 ,以该几何中心为中心截取预设标准图像尺寸大小图像信息形成待 识别图像信息。
为了保证归一化处理图片质量优选的预设标准图像尺寸大小可以处理 的标准钞票种类中最小尺寸。 而且为了提高计算速度， 对待识别图像信息 进行特征提取形成特征向量采用如下步骤：
首选对待识别图像信息进行特征区域划定； 然后对特征区域进行特征 提取形成特征向量。 根据标准钞票的尺寸大小， 特征区域的划定至少为 1
块， 根据计算系统的处理能力特征区域的划定块数越多越好， 但是需要指 出的， 区域越多计算量也就越大， 计算速度也就越长。
另外对特征区域进行特征提取形成特征向量可以使用的提取方法有， 图像信息的灰度平均、 灰度方差、 独立分量分析、 主成份分析、 小波分析、 分形分析或遗传算法分析等提取方法。 依据需要达到的精确度以及硬件平 台的处理能力可以择优选择上述提取方法中的一种来完成特征提取。
下面对采用本发明所提供的归一化处理方法与传统归一化处理方法处 理的 50和 100元钞票图像信息进行特征提取，以比较说明本方法的优势所 在。
采用本发明的归一化处理方法进行的处理步骤如下： 预先设定的标准图像尺寸为长/ ,宽 IV , 当采集到的钞票图像长度为 L , 钞票图像宽度为 W时， 且判断存在 L > Z , W > w , 则进行如下步骤：
1.计算获得钞票图像信息的几何中心 ( , ) , 如图 5;
2 2
2.在钞票图像上以钞票图像的几何中心的横坐标 为中心分别在左右
2
两边截取丄；
2
3.在钞票图像上以钞票图像的几何中心的纵坐标 为中心分别在上下
2
两个方向截取
2
4.用所截取区域的像素值组成一幅长度为 Z , 宽度为 W的图像， 得到归 一化后的待识别图像信息， 如图 6。 利用常用钞票图像归一化方法， 钞票图像上的图案只会发生一个等比 例的缩小得到归一化后的待识别图像信息， 如图 7所示。 针对 50和 100元钞票经过上述两种归一化方法处理所得待识别图像进 行特征区域划分， 分别如图 8和 9所示， 对所得待识别图像信息进行 4乘
4 特征区域分割， 对每个特征区域提取钞票图像的灰度特征（还可以采用 灰度方差、 独立分量分析、 主成份分析、 小波分析、 分形分析或遗传算法 分析等其他提取方法）形成特征向量。 下面进一步对比两种面额所取得的特征向量的相关系数， 其中相关系 数计算公式如下：
Corr(X,Y) = CoV^Y 其中0^(^,1 = (：0 - ( (} 为 (：与 的协方差， E ( ίΤ) , Ε(Χ) , 分 别为 X , ； F的数学期望。 其中，采用传统归一化处理后的 50和 100元所形成的特征向量 ^和^ 的相关系数为：
CorriX, ,¥,) = Cor(X^ = 0.97969428 而经过本发明所提供归一化处理后的 50和 100元所形成的特征向量 Χ2和 的相关系数为：
Corr(X2,Y2) = Cor X2,Y2) = 0.97134872
σχ2 ·°2
比较相关系数 0^(^,1)与 ¾rr(X2,y2)可知， 采用本发明提供的归一 化方法处理后的特征向量的相关系数明显低于采用传统归一化处理后所得 特征向量的相关系数。 故， 采用本发明所述方法， 能够有效提高不同类别 间特征向量的区分度， 增强分类器的泛化能力。
以上仅是本发明的优选实施方式， 应当指出的是， 上述优选实施方式 不应视为对本发明的限制， 本发明的保护范围应当以权利要求所限定的范 围为准。 对于本技术领域的普通技术人员来说， 在不脱离本发明的精神和
范围内， 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
1、 一种薄片类介质分类方法， 其包括如下步骤：
步骤 1 , 获得待识别薄片类介质的图像信息；
步骤 2, 将获得的图像信息依据预设标准图像尺寸进行归一化处理得 到待识别图像信息；
步骤 3 , 对待识别图像信息进行特征提取形成特征向量；
步骤 4, 将该特征向量送入经标准薄片类介质训练好的分类器， 得出 分类结果；
步骤 5 , 结束；
其特征在于， 步骤 2中该归一化处理包括如下步骤：
步骤 21 ,判断获得图像信息的尺寸是否小于预设标准图像尺寸，若是, 直接返回未知种类薄片类介质而执行步骤 5 , 否则执行下一步；
步骤 22, 计算获得图像信息的几何中心；
步骤 23 , 以该几何中心为中心截取预设标准图像尺寸大小图像信息形 成待识别图像信息。
2、 如权利要求 1所述的薄片类介质分类方法， 其特征在于， 所述预设 标准图像尺寸等于标准薄片类介质的最小尺寸。
3、 如权利要求 1所述的薄片类介质分类方法， 其特征在于， 所述步骤 3 , 对待识别图像信息进行特征提取形成特征向量， 具体包括如下步骤： 步骤 31 , 对待识别图像信息进行特征区域划定；
步骤 32, 对特征区域进行特征提取形成特征向量。
4、 如权利要求 3所述的薄片类介质分类方法， 其特征在于， 所述特征 提取采用图像信息的灰度平均、 灰度方差、 独立分量分析、 主成份分析、 小波分析、 分形分析或遗传算法分析中的一种提取方法。
5、 一种薄片类介质分类装置， 其包括：
一图像采集部， 用以获得待识别薄片类介质的图像信息；
一图像归一化部，用以将获得的图像信息依据预设标准图像尺寸进行
归一化处理得到待识别图像信息；
一特征提取部， 对待识别图像信息进行特征提取形成特征向量； 一数据存储部，用以存储预设标准图像尺寸数据，标准模板数据以及 分类识别过程中需要存储的数据信息。
一识别部， 将所提取的特征向量送入分类器进行分类识别； 一分类结果输出部， 用以输出识别部得到分类识别结果；
其特征在于， 该图像归一化部包括：
一判断获得图像信息的尺寸是否小于预设标准图像尺寸的判断部， 一获得图像信息的几何中心的计算单元；
一将待识别薄片类介质的图像信息以该几何中心为中心截取预设标准 图像尺寸大小图像信息的待识别图像信息生成单元。
6、 如权利要求 5所述的薄片类介质分类装置， 其特征在于， 其还包括 薄片类介质的分离传输装置。
7、 如权利要求 5或 6所述的薄片类介质分类装置， 其特征在于， 其还 包括薄片类介质的分类堆叠装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210152845.3 | 2012-05-16 | ||
| CN201210152845.3A CN102722708B (zh) | 2012-05-16 | 2012-05-16 | 一种薄片类介质分类方法及其装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2013170664A1 true WO2013170664A1 (zh) | 2013-11-21 |
Family
ID=46948458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2013/073248 Ceased WO2013170664A1 (zh) | 2012-05-16 | 2013-03-27 | 一种薄片类介质分类方法及其装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN102722708B (zh) |
| WO (1) | WO2013170664A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722708B (zh) * | 2012-05-16 | 2015-04-15 | 广州广电运通金融电子股份有限公司 | 一种薄片类介质分类方法及其装置 |
| CN103106412B (zh) * | 2013-01-11 | 2016-04-20 | 广州广电运通金融电子股份有限公司 | 薄片类介质识别方法和识别装置 |
| CN103324946B (zh) | 2013-07-11 | 2016-08-17 | 广州广电运通金融电子股份有限公司 | 一种纸币识别分类的方法及系统 |
| CN105894656B (zh) * | 2016-03-30 | 2018-12-28 | 浙江大学 | 一种纸币图像识别方法 |
| CN107123187A (zh) * | 2017-05-24 | 2017-09-01 | 广州广电运通金融电子股份有限公司 | 一种钞票真伪检测方法及系统 |
| CN109765548B (zh) * | 2017-11-10 | 2023-09-08 | 富士通株式会社 | 物品检测方法和装置 |
| CN109782368A (zh) * | 2017-11-10 | 2019-05-21 | 富士通株式会社 | 物品检测方法和装置 |
| CN108734850A (zh) * | 2018-04-27 | 2018-11-02 | 深圳怡化电脑股份有限公司 | 纸币识别方法、纸币识别装置及终端设备 |
| CN109544705A (zh) * | 2018-08-03 | 2019-03-29 | 张恩岫 | 景区票据现场验证机构 |
| CN109785451A (zh) * | 2018-08-03 | 2019-05-21 | 张恩岫 | 景区票据现场验证方法 |
| CN111062237A (zh) | 2019-09-05 | 2020-04-24 | 商汤国际私人有限公司 | 识别图像中的序列的方法及装置、电子设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09161077A (ja) * | 1995-12-11 | 1997-06-20 | Oki Electric Ind Co Ltd | 硬貨識別装置 |
| CN101819692A (zh) * | 2010-04-12 | 2010-09-01 | 高新现代智能系统股份有限公司 | 硬币图像识别方法及装置 |
| CN102422328A (zh) * | 2009-04-28 | 2012-04-18 | 班基特公司 | 用于钞票检测器装置的方法和钞票检测器装置 |
| CN102722708A (zh) * | 2012-05-16 | 2012-10-10 | 广州广电运通金融电子股份有限公司 | 一种薄片类介质分类方法及其装置 |
| CN102890841A (zh) * | 2012-10-08 | 2013-01-23 | 广州广电运通金融电子股份有限公司 | 一种有价文件鉴别方法及装置 |
| CN102934146A (zh) * | 2010-04-08 | 2013-02-13 | 多尔斯研发有限公司 | 钞票的分类方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100336071C (zh) * | 2005-08-19 | 2007-09-05 | 清华大学 | 复杂背景图像中鲁棒的眼睛精确定位方法 |
| CN101226590B (zh) * | 2008-01-31 | 2010-06-02 | 湖南创合世纪智能技术有限公司 | 一种人脸识别方法 |
| JP5202148B2 (ja) * | 2008-07-15 | 2013-06-05 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びコンピュータプログラム |
| CN102096804A (zh) * | 2010-12-08 | 2011-06-15 | 上海交通大学 | 骨扫描中肿瘤骨转移的图像识别方法 |
-
2012
- 2012-05-16 CN CN201210152845.3A patent/CN102722708B/zh active Active
-
2013
- 2013-03-27 WO PCT/CN2013/073248 patent/WO2013170664A1/zh not_active Ceased
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09161077A (ja) * | 1995-12-11 | 1997-06-20 | Oki Electric Ind Co Ltd | 硬貨識別装置 |
| CN102422328A (zh) * | 2009-04-28 | 2012-04-18 | 班基特公司 | 用于钞票检测器装置的方法和钞票检测器装置 |
| CN102934146A (zh) * | 2010-04-08 | 2013-02-13 | 多尔斯研发有限公司 | 钞票的分类方法 |
| CN101819692A (zh) * | 2010-04-12 | 2010-09-01 | 高新现代智能系统股份有限公司 | 硬币图像识别方法及装置 |
| CN102722708A (zh) * | 2012-05-16 | 2012-10-10 | 广州广电运通金融电子股份有限公司 | 一种薄片类介质分类方法及其装置 |
| CN102890841A (zh) * | 2012-10-08 | 2013-01-23 | 广州广电运通金融电子股份有限公司 | 一种有价文件鉴别方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102722708A (zh) | 2012-10-10 |
| CN102722708B (zh) | 2015-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2013170664A1 (zh) | 一种薄片类介质分类方法及其装置 | |
| WO2012016484A1 (zh) | 有价文件识别方法及其识别系统、装置 | |
| CN105512683B (zh) | 基于卷积神经网络的目标定位方法及装置 | |
| CN104298989B (zh) | 基于斑马线红外图像特征的鉴伪方法及其系统 | |
| US8379961B2 (en) | Mitotic figure detector and counter system and method for detecting and counting mitotic figures | |
| CN102081731B (zh) | 一种从图像中提取文本的方法和装置 | |
| CN104487843B (zh) | 图像处理装置、程序、图像处理方法、计算机可读介质及图像处理系统 | |
| CN101504781B (zh) | 有价文件识别方法及装置 | |
| CN102682287A (zh) | 基于显著度信息的行人检测方法 | |
| CN108446584A (zh) | 一种无人机侦察视频图像目标自动检测方法 | |
| CN107622489A (zh) | 一种图像篡改检测方法及装置 | |
| CN112704259B (zh) | 一种密集烟叶识别的打叶质量评价方法及系统 | |
| CN103886309A (zh) | 人像识别鉴别美元面额的方法 | |
| CN104573700A (zh) | 一种褶皱票据鉴别方法及装置 | |
| CN101331527B (zh) | 在验证之前处理介质对象的图像 | |
| Pawade et al. | Comparative study of different paper currency and coin currency recognition method | |
| KR101151739B1 (ko) | 텐서 보팅에 기반을 둔 컬러 클러스터링 시스템 및 그 방법 | |
| CN107392105A (zh) | 一种基于反向协同显著区域特征的表情识别方法 | |
| CN102289665A (zh) | 基于墨粉堆积纹理分析的打印文件鉴别方法 | |
| CN110415424A (zh) | 一种防伪鉴定方法、装置、计算机设备和存储介质 | |
| CN106599910B (zh) | 基于纹理重组的打印文件鉴别方法 | |
| KR101232684B1 (ko) | 베이시안 접근법을 이용한 지폐 진위 감별 방법 | |
| Devi et al. | Fake currency detection using Inception V3 | |
| Tao et al. | An efficient neural network based indoor-outdoor scene classification algorithm | |
| 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 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 13791410 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 13791410 Country of ref document: EP Kind code of ref document: A1 |