一种安全线识别方法和装置与流程

文档序号:11135476阅读:405来源:国知局
一种安全线识别方法和装置与制造工艺

本发明涉及图像识别领域,尤其涉及一种安全线识别方法和装置。



背景技术:

目前,识别法定货币安全线尤其是第二安全线的通常方法是直接对包含安全线的区域图像进行图像二值化处理,并通过模式匹配的方法识别安全线,现有的安全线识别方法的识别率较低,很容易造成无法精确识别安全线。



技术实现要素:

本发明的目的在于提供一种安全线识别方法和装置,旨在解决现有技术中货币安全线的识别率较低的问题。

本发明的第一方面,提供一种安全线识别方法,包括:

获取包含待识别图像的区域图像;

对所述区域图像进行图像处理,得到所述待识别图像的二值化图像;

根据所述二值化图像中黑白像素点的分布特征识别所述待识别图像是否为安全线。

本发明的第二方面,提供一种安全线识别装置,包括:

获取模块,用于获取包含待识别图像的区域图像;

处理模块,用于对所述区域图像进行图像处理,得到所述待识别图像的二值化图像;

识别模块,用于根据所述二值化图像中黑白像素点的分布特征识别所述待识别图像是否为安全线。

本发明与现有技术相比存在的有益效果是:通过对包含待识别图像的目标图像进行图像处理,得到待识别图像的二值化图像,并根据该二值化图像中黑白像素点的分布特征来识别待识别图像是否为安全线,由于该二值化图像为待识别图像的二值化图像,因此根据黑白像素点的分布特征进行安全线的特征鉴伪,能够准确识别待识别图像是否为安全线,从而提高货币安全线的识别率。

附图说明

图1是本发明实施例一提供的一种安全线识别方法的流程图;

图2是本发明实施例一和实施例二提供的一种安全线识别方法中包含待识别图像的区域图像的示意图;

图3是本发明实施例一和实施例二提供的一种安全线识别方法中待识别图像的二值化图像的示意图;

图4是本发明实施例二提供的一种安全线识别方法的流程图;

图5是本发明实施例二提供的一种安全线识别方法中包含待识别图像的初始二值化图像的示意图;

图6是本发明实施例三提供的一种安全线识别装置的结构示意图;

图7是本发明实施例四提供的一种安全线识别装置的结构示意图。

具体实施方式

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。

以下结合具体附图对本发明的实现进行详细的描述。

实施例一:

图1是本发明实施例一提供的一种安全线识别方法的流程图,具体包括步骤S101至S103,详述如下:

S101、获取包含待识别图像的区域图像。

区域图像中需要识别的安全线可以为法定货币的第二安全线。本发明实施例以第二安全线为例进行说明,在以下实施例的描述过程中,除特别说明外,凡涉及安全线的地方均指第二安全线。

具体地,可以通过传感器采集货币图像,并截取包含待识别图像的区域图像。如图2所示,图2示出了从面额为10万元的印尼币的红外反射图中截取的包含待识别图像的区域图像。

S102、对包含待识别图像的区域图像进行图像处理,得到待识别图像的二值化图像。

具体地,对步骤S101获取的区域图像进行图像处理,得到待识别图像的二值化图像,使得整个图像呈现出明显的黑白效果。如图3所示,图3示出了待识别图像的二值化图像。

需要说明的是,该二值化图像是对区域图像中的待识别图像进行精确定位后得到的二值化图像,即该二值化图像中只包含待识别图像,不包含区域图像中除待识别图像之外的其他前景和背景图像。

S103、根据待识别图像的二值化图像中黑白像素点的分布特征识别待识别图像是否为安全线。

具体地,由于根据步骤S102得到的待识别图像的二值化图像具有明显的黑白效果,因此通过判断该二值化图像中黑白像素点的分布特征是否与安全线本身的特征一致,即可以准确识别出待识别图像是否为安全线,若二值化图像中黑白像素点的分布特征与安全线本身的特征一致,则认定待识别图像为安全线。

本实施例中,通过对包含待识别图像的目标图像进行图像处理,得到待识别图像的二值化图像,并根据该二值化图像中黑白像素点的分布特征来识别待识别图像是否为安全线,由于该二值化图像为待识别图像的二值化图像,因此根据黑白像素点的分布特征进行安全线的特征鉴伪,能够准确识别待识别图像是否为安全线,从而提高货币安全线的识别率。

实施例二:

图4是本发明实施例二提供的一种安全线识别方法的流程图,具体包括步骤S201至S207,详述如下:

S201、获取包含待识别图像的区域图像。

区域图像中需要识别的安全线可以为法定货币的第二安全线。本发明实施例以第二安全线为例进行说明,在以下实施例的描述过程中,除特别说明外,凡涉及安全线的地方均指第二安全线。

具体地,可以通过传感器采集货币图像,并截取包含待识别图像的区域图像。如图2所示,图2示出了从面额为10万元的印尼币的红外反射图中截取的包含待识别图像的区域图像。

S202、对包含待识别图像的区域图像进行滤波,去除该区域图像中的噪声干扰,得到待处理图像。

由于传感器在采集图像数据时会带来周期性的噪声,因此需要对包含待识别图像的区域图像进行滤波,去除其中周期性的噪声干扰,使得对安全线的识别不受噪声干扰,从而使安全线识别更加准确。

具体地,可以采用小波去噪的方法去除区域图像中周期性的噪声,优选地,小波去噪可以利用小波变换模极大值原理,该原来根据信号和噪声在小波变换各尺度上的不同传播特性,剔除由噪声产生的模极大值点,保留信号所对应的模极大值点,然后利用所余模极大值点重构小波系数,进而恢复信号。小波去噪的具体过程可以为:将含有噪声的区域图像信号进行多尺度小波变换,从时域变换到小波域,然后在各尺度下尽可能地提取小波系数,去除噪声的小波系数,最后用小波逆变换重构区域图像信号,得到待处理图像。

需要说明的是,对区域图像进行滤波去除其中的噪声干扰的方法并不限于此,具体的去噪方法可以根据实际应用的情况进行选择,此处不做限制。

S203、对待处理图像进行均衡化处理,得到均衡化图像。

具体地,均衡化处理可以通过步骤S2031和步骤S2032实现,详细说明如下:

S2031、根据待处理图像中像素点的灰度值,统计待处理图像的直方图。

具体地,根据步骤S202得到的滤波后的区域图像中像素点的灰度值的分布特点,统计待处理图像的直方图。

直方图(Histogram)又称质量分布图,是一种统计报告图,由一系列高度不等的纵向条纹或线段表示数据分布的情况。待处理图像的直方图是灰度值的函数,其描述的是待处理图像中具有每种灰度值的像素的个数,其横坐标表示像素的灰度级别,即待处理图像中的灰度值,其纵坐标表示每种灰度值在待处理图像中出现的频率,即每种灰度值的像素个数与待处理图像的像素总数之比。

S2032、使用如下公式对待处理图像的直方图进行非线性拉伸,并根据非线性拉伸的结果得到均衡化图像:

其中,x为待处理图像中的灰度值,y为对x进行灰度处理后对应的灰度值,e为自然对数的底数。

具体地,对步骤S2031得到的直方图按照公式(1)进行非线性拉伸,通过公式(1)对待处理图像中像素点的灰度值进行灰度处理,得到灰度处理后对应的灰度值,实现对直方图的调整,从而扩大待处理图像的前景和背景的灰度差别,增强对比度。

S204、对均衡化图像进行二值化处理,得到包含待识别图像的初始二值化图像。

具体地,二值化处理可以通过步骤S2041和步骤S2042实现,详细说明如下:

S2041、选取灰度阈值T,使得按照如下公式计算得到的Th的值最大:

其中,T的取值范围为[0,255]之间的整数,n0为均衡化图像中灰度值小于T的像素点数量在均衡化图像中的占比,n1为均衡化图像中灰度值大于或等于T的像素点数量在均衡化图像中的占比,E1为均衡化图像中灰度值小于T的灰度值平均值,E0为均衡化图像中灰度值大于或等于T的灰度值平均值,Var0为均衡化图像中灰度值小于T的灰度值方差均值,Var1为均衡化图像中灰度值大于或等于T的灰度值方差均值。

具体地,在T的取值范围[0,255]之间的整数中,每个T值根据公式(2)均可计算出对应的Th值,其中Th最大的值对应的T值即为需要选取的灰度阈值T。

可以理解的是,本实施例中公式(2)中的参数的定义在其他实施例中也可以是:

T的取值范围为[0,255]之间的整数,n0为均衡化图像中灰度值小于或等于T的像素点数量在均衡化图像中的占比,n1为均衡化图像中灰度值大于T的像素点数量在均衡化图像中的占比,E1为均衡化图像中灰度值小于或等于T的灰度值平均值,E0为均衡化图像中灰度值大于T的灰度值平均值,Var0为均衡化图像中灰度值小于或等于T的灰度值方差均值,Var1为均衡化图像中灰度值大于T的灰度值方差均值。

S2042、根据选取的灰度阈值T对均衡化图像进行图像二值化,得到包含待识别图像的初始二值化图像。

具体地,根据步骤S2041选取的灰度阈值T对均衡化图像进行图像二值化,将均衡化图像中小于灰度阈值T的像素点的灰度值设置为0,大于或等于灰度阈值T的像素点的灰度值设置为255,从而使整个图像呈现出明显的黑白效果,得到包含待识别图像的的初始二值化图像。

如图5所述,图5示出了包含待识别图像的初始二值化图像。

S205、在包含待识别图像的的初始二值化图像中确定待识别图像的边缘,得到待识别图像的二值化图像。

具体地,在步骤S204得到的包含待识别图像的初始二值化图像中,可以通过如下步骤S2051至步骤S2058确定待识别图像的边缘:

S2051、计算初始二值化图像每行像素点的灰度值的行方差。

具体地,在初始二值化图像中,计算每行像素点的灰度值的平均值,并根据该平均值和方差公式计算方差,得到行方差。

S2052、计算初始二值化图像每列像素点的灰度值的列方差。

具体地,在初始二值化图像中,计算每列像素点的灰度值的平均值,并根据该平均值和方差公式计算方差,得到列方差。

S2053、计算行方差的平均行方差和列方差的平均列方差。

具体地,计算初始二值化图像中所有行的行方差的平均方差,得到平均行方差,计算初始二值化图像中所有列的列方差的平均方差,得到平均列方差。

S2054、在初始二值化图像中从左向右连续查询到预设数量的列的列方差小于平均列方差,则将该预设数量的列的最左列作为二值化图像的左边界。

S2055、在初始二值化图像中从右向左连续查询到预设数量的列的列方差小于平均列方差,则将该预设数量的列的最右列作为二值化图像的右边界。

S2056、在初始二值化图像中从上向下连续查询到预设数量的行的行方差小于平均行方差,则将该预设数量的行的最上行作为二值化图像的上边界。

S2057、在初始二值化图像中从下向上连续查询到预设数量的行的行方差小于平均行方差,则将该预设数量的行的最下行作为二值化图像的下边界。

上述步骤S2054至步骤S2057中,预设数量通常可以设置为5,但并不限于此,具体的预设数量可以根据实现情况进行设置,此处不做限制。

S2058、根据步骤S2054至步骤S2057得到的左边界、右边界、上边界和下边界确定待识别图像的边缘,得到待识别图像的二值化图像。

如图3所示,图3示出了待识别图像的二值化图像。从图3所示的二值化图像可知,该二值化图像是对初始二值化图像中的待识别图像进行精确定位后得到的二值化图像,即该二值化图像中只包含待识别图像,不包含初始二值化图像中除待识别图像之外的其他前景和背景图像。

S206、计算待识别图像的二值化图像中黑白像素点个数分别占像素点总数的比例和黑白像素区域数量。

由于根据步骤S205得到的待识别图像的二值化图像具有明显的黑白效果,因此通过判断该二值化图像中黑白像素点的分布特征是否与安全线本身的特征一致,即可以准确识别出待识别图像是否为安全线。

具体地,计算待识别图像的二值化图像中黑白像素点个数分别占像素点总数的比例的方法可以通过如下步骤S2061至步骤S2063实现:

S2061、计算二值化图像中的像素点总数。

S2062、计算二值化图像中白像素点个数和黑像素点个数。

S2063、计算白像素点个数占像素点总数的百分比和黑像素点个数占像素点总数的百分比。

计算待识别图像的二值化图像中黑白像素区域数量的方法可以通过如下步骤S2064至步骤S2065实现:

S2064、确定黑像素区域和白像素区域的起始行。

具体地,计算二值化图像中每行像素点的灰度值的行方差,根据安全线自身的特征可知,安全线对应的二值化图像中其黑像素区域和白像素区域必然是交替出现的,因此可以根据行方差确定黑像素区域和白像素区域的起始行。

S2065、判断黑白行是否连续,并根据判断结果确定黑白像素区域数量。

具体地,如果连续的预设行数都是白行,则认定该预设数量的白行是白像素区域,如果连续的预设行数都是黑行,则认定该预设数量的黑行是黑像素区域,通过遍历整个二值化图像的每一行统计出黑像素区域数量和白像素区域数量。

预设行数可以根据实际情况进行设置,此处不做限制。

S207、若黑白像素点个数占像素点总数的比例均大于预设的比值阈值,并且黑白像素区域数量均大于预设的数量阈值,则确定待识别图像为安全线。

具体地,根据步骤S206的计算结果进行判断,如果白像素点个数占像素点总数的百分比和黑像素点个数占像素点总数的百分比均大于预设的比值阈值,并且黑像素区域数量和白像素区域数量均大于预设的数量阈值,则确定二值化图像中的待识别图像是安全线,否则认定待识别图像不是安全线。

预设的比值阈值可以设置为40%,预设的数量阈值可以设置为2,但并不限于此,具体的预设的比值阈值和预设的数量阈值可以根据实际情况进行设置,此处不做限制。

本实施例中,通过小波去噪对包含待识别图像的区域图像进行滤波,从而去除区域图像中的周期性噪声干扰,使得对安全线的识别不受噪声干扰,从而使安全线识别更加准确;通过公式(1)对直方图进行非线性拉伸后得到的均衡化图像有效增强了图像的对比度,使得后续能够在此均衡化图像的基础上选取更加有效的灰度阈值进行二值化;通过公式(2)能够选取到更佳的灰度阈值,从而获得更优的初始二值化图像;通过对初始二值化图像中的待识别图像进行精确定位后得到二值化图像,由于该二值化图像只包含待识别图像,不包含初始二值化图像中除待识别图像之外的其他前景和背景图像,因此通过对该二值化图像中黑白像素点的个数占比和黑白像素区域数量的分布特征进行安全线的特征鉴伪,能够准确识别待识别图像是否为安全线,从而提高货币安全线的识别率。

实施例三:

图6是本发明实施例三提供的一种安全线识别装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分。图6示例的一种安全线识别装置可以是前述实施例一提供的一种安全线识别方法的执行主体,其可以是计算机设备或者计算机设备中的功能模块。图6示例的一种安全线识别装置包括获取模块61、处理模块62和识别模块63,各功能模块详细说明如下:

获取模块61,用于获取包含待识别图像的区域图像;

处理模块62,用于对获取模块61获取的区域图像进行图像处理,得到待识别图像的二值化图像;

识别模块63,用于根据处理模块62得到的二值化图像中黑白像素点的分布特征识别待识别图像是否为安全线。

本实施例提供的一种安全线识别的装置中各模块实现各自功能的过程,具体可参考前述图1所示实施例的描述,此处不再赘述。

从上述图6示例的一种安全线识别的装置可知,本实施例中,通过对包含待识别图像的目标图像进行图像处理,得到待识别图像的二值化图像,并根据该二值化图像中黑白像素点的分布特征来识别待识别图像是否为安全线,由于该二值化图像为待识别图像的二值化图像,因此根据黑白像素点的分布特征进行安全线的特征鉴伪,能够准确识别待识别图像是否为安全线,从而提高货币安全线的识别率。

实施例四:

图7是本发明实施例四提供的一种安全线识别装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分。图7示例的一种安全线识别装置可以是前述实施例二提供的一种安全线识别方法的执行主体,其可以是计算机设备或者计算机设备中的功能模块。图7示例的一种安全线识别装置包括获取模块71、处理模块72和识别模块73,各功能模块详细说明如下:

获取模块71,用于获取包含待识别图像的区域图像;

处理模块72,用于对获取模块71获取的区域图像进行图像处理,得到待识别图像的二值化图像;

识别模块73,用于根据处理模块72得到的二值化图像中黑白像素点的分布特征识别待识别图像是否为安全线。

进一步地,处理模块72包括:

滤波子模块721,用于对获取模块71获取的区域图像进行滤波,去除该区域图像中的噪声干扰,得到待处理图像;

均衡化子模块722,用于对滤波子模块721得到的待处理图像进行均衡化处理,得到均衡化图像;

二值化子模块723,用于对均衡化子模块722得到的均衡化图像进行二值化处理,得到包含待识别图像的初始二值化图像;

边缘查找子模块724,用于在二值化子模块723得到的初始二值化图像中确定待识别图像的边缘,得到待识别图像的二值化图像。

进一步地,均衡化子模块722包括:

直方图统计单元7221,用于根据滤波子模块721得到的待处理图像中像素点的灰度值,统计该待处理图像的直方图;

非线性拉伸单元7222,用于使用如下公式对直方图统计单元7221得到的直方图进行非线性拉伸,并根据非线性拉伸的结果得到均衡化图像:

其中,x为待处理图像中的灰度值,y为对x进行灰度处理后对应的灰度值,e为自然对数的底数。

进一步地,二值化子模块723包括:

阈值选取单元7231,用于选取灰度阈值T,使得按照如下公式计算得到的Th的值最大:

其中,T的取值范围为[0,255]之间的整数,n0为非线性拉伸单元7222得到的均衡化图像中灰度值小于T的像素点数量在该均衡化图像中的占比,n1为该均衡化图像中灰度值大于或等于T的像素点数量在该均衡化图像中的占比,E1为该均衡化图像中灰度值小于T的灰度值平均值,E0为该均衡化图像中灰度值大于或等于T的灰度值平均值,Var0为该均衡化图像中灰度值小于T的灰度值方差均值,Var1为该均衡化图像中灰度值大于或等于T的灰度值方差均值;

二值化单元7232,用于根据阈值选取单元7231选取的灰度阈值T对均衡化图像进行图像二值化,得到包含待识别图像的初始二值化图像。

进一步地,识别模块73包括:

计算子模块731,用于计算边缘查找子模块724得到的二值化图像中黑白像素点个数占像素点总数的比例和黑白像素区域数量;

判断子模块732,用于若计算子模块731计算出的黑白像素点个数占述像素点总数的比例均大于预设的比值阈值,并且黑白像素区域数量均大于预设的数量阈值,则确定待识别图像为安全线。

本实施例提供的一种安全线识别的装置中各模块实现各自功能的过程,具体可参考前述图4所示实施例的描述,此处不再赘述。

从上述图7示例的一种安全线识别的装置可知,本实施例中,通过小波去噪对包含待识别图像的区域图像进行滤波,从而去除区域图像中的周期性噪声干扰,使得对安全线的识别不受噪声干扰,从而使安全线识别更加准确;通过公式(3)对直方图进行非线性拉伸后得到的均衡化图像有效增强了图像的对比度,使得后续能够在此均衡化图像的基础上选取更加有效的灰度阈值进行二值化;通过公式(4)能够选取到更佳的灰度阈值,从而获得更优的初始二值化图像;通过对初始二值化图像中的待识别图像进行精确定位后得到二值化图像,由于该二值化图像只包含待识别图像,不包含初始二值化图像中除待识别图像之外的其他前景和背景图像,因此通过对该二值化图像中黑白像素点的个数占比和黑白像素区域数量的分布特征进行安全线的特征鉴伪,能够准确识别待识别图像是否为安全线,从而提高货币安全线的识别率。

需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每一个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同或者相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。

值得注意的是,上述装置实施例中,所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。

本领域普通技术人员可以理解,实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘或光盘等。

以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1