一种多国纸币图像识别方法和装置的制造方法
【技术领域】
[0001] 本发明涉及纸币模式识别技术领域，尤其涉及一种多国纸币图像识别方法和装 置。
【背景技术】
[0002] 当前支持多国货币处理的金融机具设备已成为一种发展趋势，基于数字图像处理 的货币识别技术也得到广泛应用。
[0003] 在此类支持多国货币处理的金融机具中，当处理不同国家的币种时，往往需要人 工设置当前待处理的货币类别，自动化程度低；目前基于数字图像处理的货币识别技术，通 常米用的识别算法计算复杂，时间复杂度尚，尤其是当货币种类增加时，货币识别时间会呈 指数级别增加，往往需要功能强大的硬件平台，才能满足识别算法运算能力的需求；通常的 纸币模式识别方式由于待识别的模式比较多，且纸币流通过程中可能存在磨损，使得多数 纸币图像识别方法的准确率不能满足高指标的需求。
【发明内容】
[0004] 本发明的目的在于提供一种多国纸币图像识别方法和装置，以提高多国纸币识别 过程中的识别速度、准确率和自动化程度。
[0005] 本发明实施例的第一方面，提供一种多国纸币图像识别方法，包括：
[0006] 采集待识别纸币图像；
[0007] 对所述待识别纸币图像进行图像预处理，得到与预设尺寸范围相同的预处理纸币 图像；
[0008] 从所述预处理纸币图像提取通过加减运算即可被处理的特征；
[0009] 将所述提取的特征与特征模板进行特征对比，按照多级分类识别规则输出纸币识 别结果，所述特征模板为对多国纸币进行识别，提取能唯一表征所述多国纸币的特征信息 后保存的t吴板。
[0010] 本发明实施例的第二方面，提供了一种多国纸币图像识别装置，包括：
[0011]图像采集模块，用于采集待识别纸币图像；
[0012] 预处理模块，用于对所述待识别纸币图像进行图像预处理，得到与预设尺寸范围 相同的预处理纸币图像；
[0013] 特征提取模块，用于从所述预处理纸币图像提取通过加减运算即可被处理的特 征；
[0014] 识别模块，用于将所述特征提取模块提取的特征与特征模板进行特征对比，按照 多级分类识别规则输出纸币识别结果，所述特征模板为对多国纸币进行识别，提取能唯一 表征所述多国纸币的特征信息后保存的模板。
[0015] 从上述本发明提供的技术方案可知，一方面，在对预处理后的纸币图像提取特征 时，是从所述预处理纸币图像提取通过加减运算即可被处理的特征，提取特征后的识别过 程，通过简单的加减运算算法即可完成，因此，运算速度加快，识别的时间缩短，当需要识别 的纸币种类增加时，识别时间也只是线性增加，与现有技术相比，提高了多国纸币识别时的 识别速度和效率；另一方面，按照多级分类识别规则进行纸币图像识别，与现有技术相比， 提高了在多国纸币识别过程中识别的准确性，也提高了识别的自动化程度。
【附图说明】
[0016] 图1是本发明实施例提供的多国纸币图像识别方法的总体流程图；
[0017] 图2是本发明实施例提供的多国纸币图像识别方法中图像预处理的流程图；
[0018] 图3是本发明实施例提供的多国纸币图像识别方法中菱形模板法的原理示意图；
[0019] 图4是本发明实施例提供的多国纸币图像识别方法中采用双线性插值进行图像 校正的流程图；
[0020] 图5是本发明实施例提供的多国纸币图像识别方法中采用小波变换进行特征提 取的流程图；
[0021] 图6是本发明实施例提供的多国纸币图像识别方法中特征对比的流程图；
[0022] 图7是本发明实施例提供的多国纸币图像识别装置的组成示意图。
【具体实施方式】
[0023] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0024] 为了说明本发明的技术方案，下面通过具体实施例来进行说明。
[0025] 图1示出了本发明实施例提供的多国纸币图像识别方法的总体流程，具体包括步 骤SlOl至S104,详述如下：
[0026] S101、采集待识别纸币图像。
[0027] 优选地，可通过接触式图像传感器得到待识别纸币的多光源图像。
[0028] S102、对步骤SlOl采集的待识别纸币图像进行图像预处理，得到与预设尺寸范围 相同的预处理纸币图像。
[0029] 图像预处理的目的是为了对采集到的待识别纸币图像进行去噪，并且将待识别纸 币缩放到统一的尺寸范围，以方便后续的特征对比操作。
[0030] 图2示出了对步骤SlOl采集的待识别纸币图像进行图像预处理的流程，具体包括 步骤S201至S203,详述如下：
[0031 ] S201、查找待识别纸币图像确定的边缘点集合。
[0032] 作为一种优选的方式，待识别纸币图像确定的边缘点集合可以采用如下步骤al 至a3实现：
[0033] al、通过固定阈值法查找候选边缘点集合。
[0034] 优选地，对待识别纸币图像的水平上、水平下、垂直左和垂直右四条边分别设置一 个候选边缘点集合，沿着水平和垂直方向扫描待识别纸币图像，将检测到的亮度大于边缘 检测阈值的像素点作为候选边缘点，将其坐标记录到所在边的候选边缘点集合中。边缘检 测阈值的设置方式为：将统计得到的背景图像区域的亮度均值增加一个固定台阶，作为边 缘检测阈值。固定台阶可根据经验值设置。
[0035] 进一步地，为提高运算速度，可采用二分法将待识别纸币图像划分成不同的区域， 逐个区域继续采用二分法检查可能存在边缘点的区域。
[0036] a2、使用菱形模板法筛选候选边缘点集合。
[0037] 优选地，对得到的水平上、水平下、垂直左、垂直右四个候选边缘点集合，分别使用 菱形模板法对其进行筛选。
[0038] 图3示出了菱形模板法的原理。具体如下：
[0039] 以像素点为单位设定菱形模板的大小，以候选边缘点集合中的每个像素点作为菱 形模板的中心点，依次对菱形模板中除中心点之外的每个像素点进行判断，当其亮度大于 边缘检测阈值时，则记为1，否则记为0,根据1的个数判断中心点的位置，当中心点越靠近 图像内部，则1的个数越多，菱形模板与图像重叠面积越大，当中心点距离图像边缘越远， 则1的个数越少，菱形模板与图像重叠面积越小。
[0040] a3、去除斜率偏差超过指定偏差阈值的异常点得到确定的边缘点集合。
[0041] 优选地，在筛选出的候选边缘点集合中去除斜率超过指定偏差阈值的异常点，可 采用中值滤波法，得到确定的边缘点集合。
[0042] S202、对步骤S201查找到的确定的边缘点集合进行四边拟合，准确定位出待识别 纸币图像的顶点和中心点位置。
[0043] 优选地，采用最小二乘法，拟合出四边直线方程。
[0044] 假设四条边的直线方程为y = ax+b，则采用如下公式逐个对每条边的边缘点集合 拟合出直线方程的参数a和b。
[0047] 其中，η为一条边的边缘点集合元素个数；(Xl，yi)为一条边的边缘点集合元素的 坐标。
[0048] 对得到的四条直线方程，按四条边的交叉点两两组成方程组，方程组的解即为直 线的交点坐标，也即为图像的顶点位置。
[0049] 对图像的四个顶点坐标按照对角线分组，建立直线方程，此两直线方程组成的方 程组的解即为图像对角线的交叉点坐标，也即为图像中心点位置。
[0050] S203、对步骤S202定位出顶点和中心点位置的待识别纸币图像进行归一化处理， 使其处于水平方向并缩放至