基于形变复原技术的钞券质量检测系统及方法
【技术领域】
[0001] 本发明涉及一种基于形变复原技术的钞券质量检测系统及方法。
【背景技术】
[0002] 目前，在现有的图像缺陷（差异）检测过程中，需要将实时图像与参考图像进行精 确配准，并进行点对点比较。当逐点比较的差异大于一定的阈值时，认为实时图像对应位置 存在差异。对差异图像进行一系列处理后可进行缺陷检测。这种检测方式关键在于图像精 确配准，将实时图像与参考图像完全对准后（亚像素级）才能进行检测，在对准过程中存在 以下几个难点：
[0003] 1、由于印刷的印次不同，不同的检测图像中胶印区与凹印区会出现小幅度的浮 动。分别对准胶印区、凹印区以及同时属于胶、凹印的区域是一个实际中的难点。
[0004] 2、采集的图像会出现小的畸变，当一个位置对准后，往往距离其较远的区域并没 有对准。即一个对准点只能保证检测图像在一个有限的范围内对准。
【发明内容】
[0005] 为了解决现有的图像缺陷检测方法存在定位过程中不同印次难以区分，胶印区、 凹印区很难定位对准的技术问题，本发明提供一种基于形变复原技术的钞券质量检测系统 及方法。
[0006] 本发明的技术解决方案：
[0007] 基于形变复原技术的钞券质量检测系统，其特殊之处在于：包括定位模块、学习模 块、重构图像生成模块、比对模块以及训练集；
[0008] 所述训练集：采集原始图像并保存，同时对原始图像样本进行训练；
[0009] 所述定位模块：确定定位核，根据定位核搜索、匹配、对准，确定每个检测区；所述 定位核为原始图像中反差明显的区域；
[0010] 所述学习模块：根据训练集中原始图像的检测区的结构特征、图像常见变化，经过 整理找到共同特征、过滤畸变特征、并融合常见变化，形成子空间；
[0011] 所述重构图像生成模块：将相机采集到的实时图像数据投影至线性子空间中，保 留实时图像中与子空间相关的特征，去掉不相关特征后，将投影后的数据重构至实时图像 的原空间中得到重构图像；
[0012] 所述比对模块：实时图像与重构图像进行对比，得到差异图像；将差异图像与预 存的阈值进行比较，判断实时图像是否有缺陷。
[0013] 上述训练集的具体工作为：
[0014] a采集原始图像并保存；
[0015]b对原始图像样本进行线性子空间提取，线性子空间为一组包含有1个η维的训练 样本，训练样本集为
其中1为原始图像样本个数，η为原 始图像的像素数，线性子空间的维数为k;
[0016] c利用下面公式计算原始图像样本均值μ :
[0017]
[0018] d利用下面公式计算协方差矩阵C
[0019]
[0020] e进行特征分解，求解特征值特征向量，并保留前k个特征向量队和对应的特征值 U；
[0021] [U, Λ ] = eig(lC)。
[0022] 上述重构图像生成模块具体工作：
[0023] 1)按照以下公式，将实时图像数据X投影至线性子空间中，得到投影数据y;
[0024] y = Uk' (χ- μ )
[0025] 2)按照以下公式，将投影数据y重构到实时图像的原空间中，得到重构图像数据 A..
Xi
[0026]
[0027]?α，cir」i=i以下步骤：
[0028]1)采集原始图像并保存，同时对原始图像样本进行训练；
[0029] 2)在原始图像中确定定位核，根据定位核搜索、匹配、对准，确定每个检测区；所 述定位核为原始图像中反差明显的区域；
[0030] 3)根据检测区的结构特征、图像常见变化，经过整理找到共同特征、过滤畸变特 征，并融合常见变化，形成子空间；
[0031] 4)将相机采集到的实时图像数据投影至子空间中，保留实时图像数据中与子空间 相关的特征，去掉的不相关特征，将投影后的数据重构至实时图像的原空间中得到重构图 像；
[0032] 5)实时图像与重构图像进行对比，得到差异图像；将差异图像与预存的阈值进行 比较，判断实时图像是否有缺陷。
[0033] 检测方法，包括以下步骤：
[0034] a采集原始图像并保存；
[0035] b对原始图像样本进行线性子空间提取，线性子空间为一组包含有1个η维的训练
始图像的像素数，线性子空间的维数为k;[0036] c利用下面公式计算原始图像样本均值μ : 样本，训练样本集为 其中1为原始图像样本个数，η为原
[0037]
[0038] d利用下面公式计算协方差矩阵C
[0039]
[0040]e进行特征分解，求解特征值特征向量，并保留前k个特征向量Uk
[0041] [U，Λ] =eig(lC)。
[0042] 步骤2的具体实现为：
[0043]a按照以下公式，将实时图像数据X投影至线性子空间数据中，得到投影数据y;
[0044]y= Uk' (χ-μ )
[0045]b按照以下公式，将投影数据y重构到实时图像的原空间中，得到重构图像数据i;
[0046]
[0047] 本发明所具有的优点：
[0048] 1、本发明解决定位过程中胶、凹印的区域分层不准的问题，原则上可以在建模过 程中不用区分印次（如胶、凹印）。
[0049] 2、本发明可实现在检测过程中不需要对胶、凹印进行区分，可以直接对胶、凹印边 界，同时属于胶、凹印区域（如手感线区域）附近这些难定位、检测的位置进行检测。
[0050] 3、本发明可实现在定位过程中，不需要进行亚像素级定位。
[0051] 4、本发明可实现在检测过程中可以容忍几何畸变。
【附图说明】
[0052]图1为基于形变复原技术的钞券质量检测系统示意图；
[0053]图2为基于形变复原技术的钞券质量检测方法的流程图；
[0054] 图3为胶凹重构之胶印缺陷示例，其中图3a为的实时图像，图3b为重构图像，图 3c为差异图像；
[0055] 图4为胶凹重构图像之凹印缺陷示例，其中图4a为实时图像，图4b为重构图像， 图4c为差异图像；
[0056] 图5凹印区重构图像示例，其中图5a为实时图像，图5b为重构图像，图5c为差异 图像；
[0057] 图6为测试图像的实施例示例；
[0058] 图7为定位核，其中图7a为一种定位核，图7b为另一种定位核；
[0059] 图8为一种测试结果示意图，其中图8a实时图像，图8b为重构图像，图8c为差异 图像，图8d为阈值化后BLOB图像；
[0060] 图9为另一种测试结果示意图，其中图9a实时图像，图9b为重构图像，图9c为差 异图像，图9d为阈值化后BLOB图像。
【具体实施方式】
[0061] 形变复原技术保留了数据主要特征，以及常见的变化，去掉了训练集中数据不相 关性，对实时图像进行重构，重构后的图像保留了图像中在训练集中相关的数据部分，去掉 了图像中的不相关部分，由于实时图像中"缺陷"没有出现在训练集中，因此缺陷部分不会 被保留，重构的图像可以认为是一张"完美"的对准图像。实时图像与重构图像逐点比对后 可以得到差异图像，当差异大于一个阈值时，认为是缺陷。
[0062] 图3、4、5为重构"完美"图像的实例：图3为胶凹重构之胶印缺陷示例，其中图3a 为的实时图像，图3b为重构图像，图3c为差异图像；图4为胶凹重构图像之凹印缺陷示例， 其中图4a为实时图像，图4b为重构图像，图4c为差异图像；图5凹印区重构图像不例，其 中图5a为实时图像，图5b为重构图像，图5c为差异图像。
[0063]训练集：训练阶段的过程：
[0064] 1)训练阶段需要对训