一種多國紙幣圖像識別方法和裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及紙幣模式識別技術領域，尤其涉及一種多國紙幣圖像識別方法和裝 置。
【背景技術】
[0002] 當前支持多國貨幣處理的金融機具設備已成為一種發(fā)展趨勢，基于數字圖像處理 的貨幣識別技術也得到廣泛應用。
[0003] 在此類支持多國貨幣處理的金融機具中，當處理不同國家的幣種時，往往需要人 工設置當前待處理的貨幣類別，自動化程度低；目前基于數字圖像處理的貨幣識別技術，通 常米用的識別算法計算復雜，時間復雜度尚，尤其是當貨幣種類增加時，貨幣識別時間會呈 指數級別增加，往往需要功能強大的硬件平臺，才能滿足識別算法運算能力的需求；通常的 紙幣模式識別方式由于待識別的模式比較多，且紙幣流通過程中可能存在磨損，使得多數 紙幣圖像識別方法的準確率不能滿足高指標的需求。

【發(fā)明內容】

[0004] 本發(fā)明的目的在于提供一種多國紙幣圖像識別方法和裝置，以提高多國紙幣識別 過程中的識別速度、準確率和自動化程度。
[0005] 本發(fā)明實施例的第一方面，提供一種多國紙幣圖像識別方法，包括：
[0006] 采集待識別紙幣圖像；
[0007] 對所述待識別紙幣圖像進行圖像預處理，得到與預設尺寸范圍相同的預處理紙幣 圖像；
[0008] 從所述預處理紙幣圖像提取通過加減運算即可被處理的特征；
[0009] 將所述提取的特征與特征模板進行特征對比，按照多級分類識別規(guī)則輸出紙幣識 別結果，所述特征模板為對多國紙幣進行識別，提取能唯一表征所述多國紙幣的特征信息 后保存的t吳板。
[0010] 本發(fā)明實施例的第二方面，提供了一種多國紙幣圖像識別裝置，包括：
[0011]圖像采集模塊，用于采集待識別紙幣圖像；
[0012] 預處理模塊，用于對所述待識別紙幣圖像進行圖像預處理，得到與預設尺寸范圍 相同的預處理紙幣圖像；
[0013] 特征提取模塊，用于從所述預處理紙幣圖像提取通過加減運算即可被處理的特 征；
[0014] 識別模塊，用于將所述特征提取模塊提取的特征與特征模板進行特征對比，按照 多級分類識別規(guī)則輸出紙幣識別結果，所述特征模板為對多國紙幣進行識別，提取能唯一 表征所述多國紙幣的特征信息后保存的模板。
[0015] 從上述本發(fā)明提供的技術方案可知，一方面，在對預處理后的紙幣圖像提取特征 時，是從所述預處理紙幣圖像提取通過加減運算即可被處理的特征，提取特征后的識別過 程，通過簡單的加減運算算法即可完成，因此，運算速度加快，識別的時間縮短，當需要識別 的紙幣種類增加時，識別時間也只是線性增加，與現有技術相比，提高了多國紙幣識別時的 識別速度和效率；另一方面，按照多級分類識別規(guī)則進行紙幣圖像識別，與現有技術相比， 提高了在多國紙幣識別過程中識別的準確性，也提高了識別的自動化程度。
【附圖說明】
[0016] 圖1是本發(fā)明實施例提供的多國紙幣圖像識別方法的總體流程圖；
[0017] 圖2是本發(fā)明實施例提供的多國紙幣圖像識別方法中圖像預處理的流程圖；
[0018] 圖3是本發(fā)明實施例提供的多國紙幣圖像識別方法中菱形模板法的原理示意圖；
[0019] 圖4是本發(fā)明實施例提供的多國紙幣圖像識別方法中采用雙線性插值進行圖像 校正的流程圖；
[0020] 圖5是本發(fā)明實施例提供的多國紙幣圖像識別方法中采用小波變換進行特征提 取的流程圖；
[0021] 圖6是本發(fā)明實施例提供的多國紙幣圖像識別方法中特征對比的流程圖；
[0022] 圖7是本發(fā)明實施例提供的多國紙幣圖像識別裝置的組成示意圖。
【具體實施方式】
[0023] 為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對 本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0024] 為了說明本發(fā)明的技術方案，下面通過具體實施例來進行說明。
[0025] 圖1示出了本發(fā)明實施例提供的多國紙幣圖像識別方法的總體流程，具體包括步 驟SlOl至S104,詳述如下：
[0026] S101、采集待識別紙幣圖像。
[0027] 優(yōu)選地，可通過接觸式圖像傳感器得到待識別紙幣的多光源圖像。
[0028] S102、對步驟SlOl采集的待識別紙幣圖像進行圖像預處理，得到與預設尺寸范圍 相同的預處理紙幣圖像。
[0029] 圖像預處理的目的是為了對采集到的待識別紙幣圖像進行去噪，并且將待識別紙 幣縮放到統(tǒng)一的尺寸范圍，以方便后續(xù)的特征對比操作。
[0030] 圖2示出了對步驟SlOl采集的待識別紙幣圖像進行圖像預處理的流程，具體包括 步驟S201至S203,詳述如下：
[0031 ] S201、查找待識別紙幣圖像確定的邊緣點集合。
[0032] 作為一種優(yōu)選的方式，待識別紙幣圖像確定的邊緣點集合可以采用如下步驟al 至a3實現：
[0033] al、通過固定閾值法查找候選邊緣點集合。
[0034] 優(yōu)選地，對待識別紙幣圖像的水平上、水平下、垂直左和垂直右四條邊分別設置一 個候選邊緣點集合，沿著水平和垂直方向掃描待識別紙幣圖像，將檢測到的亮度大于邊緣 檢測閾值的像素點作為候選邊緣點，將其坐標記錄到所在邊的候選邊緣點集合中。邊緣檢 測閾值的設置方式為：將統(tǒng)計得到的背景圖像區(qū)域的亮度均值增加一個固定臺階，作為邊 緣檢測閾值。固定臺階可根據經驗值設置。
[0035] 進一步地，為提高運算速度，可采用二分法將待識別紙幣圖像劃分成不同的區(qū)域， 逐個區(qū)域繼續(xù)采用二分法檢查可能存在邊緣點的區(qū)域。
[0036] a2、使用菱形模板法篩選候選邊緣點集合。
[0037] 優(yōu)選地，對得到的水平上、水平下、垂直左、垂直右四個候選邊緣點集合，分別使用 菱形模板法對其進行篩選。
[0038] 圖3示出了菱形模板法的原理。具體如下：
[0039] 以像素點為單位設定菱形模板的大小，以候選邊緣點集合中的每個像素點作為菱 形模板的中心點，依次對菱形模板中除中心點之外的每個像素點進行判斷，當其亮度大于 邊緣檢測閾值時，則記為1，否則記為0,根據1的個數判斷中心點的位置，當中心點越靠近 圖像內部，則1的個數越多，菱形模板與圖像重疊面積越大，當中心點距離圖像邊緣越遠， 則1的個數越少，菱形模板與圖像重疊面積越小。
[0040] a3、去除斜率偏差超過指定偏差閾值的異常點得到確定的邊緣點集合。
[0041] 優(yōu)選地，在篩選出的候選邊緣點集合中去除斜率超過指定偏差閾值的異常點，可 采用中值濾波法，得到確定的邊緣點集合。
[0042] S202、對步驟S201查找到的確定的邊緣點集合進行四邊擬合，準確定位出待識別 紙幣圖像的頂點和中心點位置。
[0043] 優(yōu)選地，采用最小二乘法，擬合出四邊直線方程。
[0044] 假設四條邊的直線方程為y = ax+b，則采用如下公式逐個對每條邊的邊緣點集合 擬合出直線方程的參數a和b。
[0047] 其中，η為一條邊的邊緣點集合元素個數；(Xl，yi)為一條邊的邊緣點集合元素的 坐標。
[0048] 對得到的四條直線方程，按四條邊的交叉點兩兩組成方程組，方程組的解即為直 線的交點坐標，也即為圖像的頂點位置。
[0049] 對圖像的四個頂點坐標按照對角線分組，建立直線方程，此兩直線方程組成的方 程組的解即為圖像對角線的交叉點坐標，也即為圖像中心點位置。
[0050] S203、對步驟S202定位出頂點和中心點位置的待識別紙幣圖像進行歸一化處理， 使其處于水平方向并縮放至