一种基于纹理分析的美元纸币面额及版本识别方法
【技术领域】
[0001] 本发明涉及金融机具领域，尤其是基于纹理分析的美元纸币面额及版本识别方 法。可广泛适用于金融流通领域中多光谱点钞机、清分机和存取款机对美元纸币的分类识 别。
【背景技术】
[0002] 随着经济全球化发展，世界货币在各国的流通量越来越大，作为全球最主要的储 备货币的美元，其流通量5年增长42 %。违法分子为牟取暴利，制造各种版本的美元假币， 危害世界金融安全。但是，现在市面上流通的美元纸币有21种，面额包括1元，2元，10元， 20元，50元，100元，共7种面额，每种面额又包括大头，小头，彩版3个版本。由于各种面额 及版本的美元纸币大小相同，背景纹理、色彩丰富，无法通过纸张大小或者颜色来确定美元 面额及版本。传统的识别技术需要人工设定识别点，该类方法对噪声抵抗力低，对光照不鲁 棒，同时对偏移也很敏感，当特征区域稍有污染或偏移，鉴别容易出错。
[0003] 传统的LBP阔值的确定LBP算子通过获得的LBP特征，它是目前对图像进行识别 的常用技术，该方法通过对一个图像块中的某个3X3的局部区域内，W中也像素点灰度值 为阔值，邻域八个像素点分别与中也像素点作比较，当大于中也像素点灰度值时取值为1， 小于则取值为0。然后再分别乘W对应位置的权值得到中也像素点的LBP模式的值。美元 识别的主要挑战是由美元纸币新旧和污迹造成的噪声干扰，传统LBP的阔值是中也像素点 的灰度值，噪声干扰会使得中也像素点的灰度值发生变化，也就是阔值发生变化，该会使得 对应的LBP值发生巨大变化。流通中的纸币美元，由于存在新旧版本和票面污迹的差异，因 此造成机检时产生噪声干扰，使得中也像素点的灰度值发生变化，导致获得的LBP阔值发 生巨大变化，最终影响机器识别的错误。
[0004] 因此，探寻一种具有抗噪声能力强、可移植性高泛用于多光谱点钞机、清分机，和 存取款机适用的识别美元面额及版本的方法已经成为金融流通领域额的期望。
【发明内容】
[0005] 本发明的目的：旨在提出一种具有抗噪声能力强、可移植性高泛用于多光谱点钞 机、清分机，和存取款机适用的识别美元面额及版本的方法。
[0006] 该种基于纹理分析的美元纸币面额及版本识别方法，参照传统的纹理特征LBP获 取方法，其特征在于：参照马尔可夫随机场理论，将图像里面每个3X3图像块的中也像素 点的噪声视为只与其邻域内的点的灰度值有关，用邻域点的变化来估计噪声分布的方差， 由此确定自适应LBP阔值，并将获得的被测试样本的自适应阔值LBP特征与其版本和面额 相对应的训练样本的自适应阔值LBP特征进行卡方距离匹配比对，最终识别被测试美元纸 币的面额及版本。
[0007] 该识别方法包括W下H个具体步骤：
[000引 1)通过对现行流通于市场上的21种美元纸币进行训练样本特征提取、获得21种 美元纸币各自对应的训练样本自适应阔值LBP特征；
[0009] 2)对需检测的美元纸币进行测试样本特征提取、获得被测试样本自适应阔值LBP 特征；
[0010] 3)将获得的被测试样本自适应阔值LBP特征与和其版本、面额相对应的训练样本 自适应阔值LBP特征进行卡方距离匹配比对，最终识别被测试美元纸币的面额及版本。
[0011] 所述的训练样本自适应阔值LBP和测试样本自适应阔值LBP的确定方法如下：
【主权项】
1. 一种基于纹理分析的美元纸币面额及版本识别方法，参照传统的纹理特征LBP获取 方法，将图像里面每个3X3图像块的中心像素点的噪声视为只与其邻域内的点的灰度值 有关，用邻域点的变化来估计噪声分布的方差，由此确定自适应LBP阈值；并将获得的被测 试样本的自适应阈值LBP与其版本和面额相对应的训练样本的自适应阈值LBP进行卡方距 离匹配比对，最终识别被测试美元纸币的面额及版本； 该识别方法包括以下三个具步骤： 1) 通过对现行流通于市场上的21种美元纸币进行训练样本特征提取、获得21种美元 纸币各自对应的训练样本自适应阈值LBP ; 2) 对需检测的美元纸币进行测试样本特征提取、获得测试样本自适应阈值LBP ; 3) 将获得的测试样本自适应阈值LBP与其版本和面额相对应的训练样本自适应阈值 LBP进行卡方距离匹配比对，最终识别被测试美元纸币的面额及版本。
2. 如权利要求1所述的一种基于纹理分析的美元纸币面额及版本识别方法，其特征在 于：所述的训练样本自适应阈值LBP和测试样本自适应阈值LBP的确定方法如下： 依照公式：
Thr = gc- α σρ (4) 表示的步骤进行； 其中： S表不符号函数，
μ表示邻域点的均值； gp表示它的坐标为（xe+Rcos(2：np/P)，ye-Rsin(2：np/P)); P为表示半径为R范围内的像素点构成的邻域系统； σ P表不灰度值方差；a a表示LBP参数； gc为中心像素点灰度值。
3. 如权利要求1所述的一种基于纹理分析的美元纸币面额及版本识别方法，其特征在 于：所述的训练样本的训练过程如下： 1)初始化LBP参数α = 〇和图像块的左上点坐标X=l, y=l。将α = 〇固定，图 像块位置从纸币左上方由左向右由上向下滑动，求取在每个位置处，每个训练样本的自适 应阈值LBP统计直方图Si, i = 1，2，··· 21，并算出每两个统计直方图之间的卡方距离X2;
Si, i = 1，2,…21，i为第i个样本，为每个训练样本的自适应阈值LBP统计直方图； B为统计直放方图的维度； k为统计直方图的第k维；我们选取所有距离的平均距离最大的图像块位置作为本次 迭代的最终图像块位置； 2) 固定图像块位置不变，α在[_0.5，+0.5]内移动，求取每个α取值处，每个训练样 本的自适应阈值LBP统计直方图并算出对应的卡方距离（同上），选取所有距离的平均距离 最大的α值作为本次迭代的最终α值； 3) 固定步骤2求取的α，按步骤1求取局部最佳图像块位置，依次循环迭代，求得 全局最佳的图像块位置（X()pt，y_)和α_取值，并算出每张训练样本在最佳图像块位置 (x_，y。#)和最佳&_时的自适应阈值LBP统计直方图5Τ，i = 1，2, "·21 ;用于的测试过 程。
4.如权利要求1所述的一种基于纹理分析的美元纸币面额及版本识别方法，其特征在 于：对被测试币的识别过程如下： 1) 对新采集到的任意一张被测试币美元纸币图像，在其相应的最佳图像块位置 χ_，和最佳a _处求取其自适应阈值LBP统计直方图S test; 2) 计算每一被测试币自适应阈值LBP统计直方图Stest到每个训练样本的自适应阈值 LBP统计直方图i = 1，2,…21的卡方距离i = 1，2,…，21，并取其最小值 ^mm · 3) 取确认为最小值义^处的对应训练样本i，该i即为我们判断的被测试样本的美元 纸币的面额或版本类别。
【专利摘要】一种基于纹理分析的美元纸币面额及版本识别方法，参照传统的纹理特征LBP获取方法，将图像中心点(图像里面每个3×3图像块的中心像素点)的噪声视为只与其邻域内的点的灰度值有关，用邻域点的变化来估计噪声分布的方差，由此确定自适应LBP阈值；并将获得的被测试样本的自适应阈值LBP与其版本和面额相对应的训练样本的自适应阈值LBP进行卡方距离匹配比对，最终识别被测试美元纸币的面额及版本；该识别方法包括以下三个步骤：1)通过对现行流通于市场上的21种美元纸币进行训练样本特征提取、获得21种美元纸币各自对应的训练样本自适应阈值LBP；2)对需检测的美元纸币进行测试样本特征提取、获得测试样本自适应阈值LBP；3)将获得的测试样本自适应阈值LBP与其版本和面额相对应的训练样本自适应阈值LBP进行卡方距离匹配比对，最终识别被测试美元纸币的面额及版本。
【IPC分类】G06K9-00, G06K9-62
【公开号】CN104537364
【申请号】CN201510043835
【发明人】尤新革, 郭伟刚, 王慧玲, 朱子奇, 付祥旭, 郑达川
【申请人】华中科技大学
【公开日】2015年4月22日
【申请日】2015年1月29日