一种纸币的鉴伪方法和装置与流程

本发明涉及纸币鉴伪技术领域，尤其涉及一种纸币的鉴伪方法和装置。

背景技术：

新加坡元(简称：新元或新币，旧称：坡币，英文：Singapore Dollar)，是新加坡的法定货币，以S$标记。1999年新加坡发行了现时流通的钞票，以该国首任总统尤索夫肖像为票面主要图案的新版纸币。目前在新加坡流通的钞票有10000元、1000元、100元、50元、10元、5元、2元的面额。根据新加坡金融管理局的介绍，目前新加坡币的防伪主要通过凹版印刷在视觉和触觉上的不同，以及水印、安全线、透明窗口、压花窗口等防伪特征进行鉴伪，鉴伪机器可通过紫外线光照射下反光的纸币面额数字、序列号和纸币中的荧光纤维分辨纸币的真伪，还没有利用纸币自身的图像特性鉴别真伪的方法。

技术实现要素：

本发明的目的在于提出一种纸币的鉴伪方法和装置，能够根据纸币的图像特征鉴别纸币的真伪。

为达此目的，本发明采用以下技术方案：

一方面，本发明提供一种纸币的鉴伪方法，包括：

在纸币的红外透射图上截取特征区域；

在所述特征区域中检测出特征图像的边界；

如果根据所述边界判断出所述特征图像为预设形状，则确定纸币为真。

其中，在所述特征区域中检测出特征图像的边界，包括：

采用模糊C均值聚类算法对所述特征区域进行分割，检测出所述特征图像的边界的坐标。

其中，采用模糊C均值聚类算法对所述特征区域进行分割，检测出所述特征图像的边界的坐标，包括：

将所述特征区域的多维像素矩阵分为多个模糊组，计算出每个模糊组的聚类中心，其中，所述多维像素矩阵的矩阵点为像素的灰度值，所述聚类中心为灰度值；

根据所述聚类中心和所述像素的灰度值，对所述像素进行分类；

将每个类别的交界处确定为所述特征图像的边界，并获取所述特征图像的边界上各像素的坐标。

其中，根据所述边界判断所述特征图像是否为预设形状，包括：

采用最小二乘法进行直线拟合，根据所述边界上各像素的坐标计算得到每一条边界的斜率：

其中，(x_i,y_i)表示所述边界的第i个像素的坐标，n是每一条所述边界上像素的个数；

根据所述斜率判断所述特征图像是否为预设形状。

其中，根据所述斜率判断所述特征图像是否为预设形状，包括：

根据所述斜率，计算多条所述边界中相邻两条边界的夹角θ；

其中，k₁、k₂分别为相邻两条边界的斜率；

判断所述夹角θ是否符合所述预设形状的角度范围，是则所述特征图像为预设形状。

进一步的，所述纸币为50元面额的新加坡币；所述预设形状为正八边形；所述角度范围为40°～50°。

其中，在纸币的红外透射图上截取特征区域，包括：

按照预设尺寸在纸币的红外透射图上的预设位置截取特征区域。

另一方面，本发明提供一种纸币的鉴伪装置，包括：

特征截取模块，用于在纸币的红外透射图上截取特征区域；

边界检测模块，用于在所述特征区域中检测出特征图像的边界；

形状判断模块，用于如果根据所述边界判断出所述特征图像为预设形状，则确定纸币为真。

其中，所述边界检测模块具体用于：

采用模糊C均值聚类算法对所述特征区域进行分割，检测出所述特征图像的边界的坐标。

其中，所述边界检测模块采用模糊C均值聚类算法对所述特征区域进行分割，检测出所述特征图像的边界的坐标，包括：

将所述特征区域的多维像素矩阵分为多个模糊组，计算出每个模糊组的聚类中心，其中，所述多维像素矩阵的矩阵点为像素的灰度值，所述聚类中心为灰度值；

根据所述聚类中心和所述像素的灰度值，对所述像素进行分类；

将每个类别的交界处确定为所述特征图像的边界，并获取所述特征图像的边界上各像素的坐标。

其中，所述形状判断模块具体用于：

采用最小二乘法进行直线拟合，根据所述边界上各像素的坐标计算得到每一条边界的斜率：

根据所述斜率计算多条所述边界中相邻两条边界的夹角θ；

其中，(x_i,y_i)表示所述边界的第i个像素的坐标，n是每一条所述边界上像素的个数，k₁、k₂分别为相邻两条边界的斜率；

判断所述夹角θ是否符合所述预设形状的角度范围，是则所述特征图像为预设形状。

其中，所述特征截取模块具体用于：

按照预设尺寸在纸币的红外透射图上的预设位置截取特征区域。

本发明的有益效果为：

本发明通过识别纸币的红外透射图上的特征图像，并判断所述特征图像为预设形状时，确定纸币为真。利用特征区域在材质或磁性上的不同，得到的红外透射图灰度不同，来识别出特征图像，并通过特征图像的形状，判断特征图像是否符合预设形状的特征，本发明利用纸币自身特性，采用红外透射手段提取出的特征显著，方便进一步的识别，鉴伪方法简单有效。

附图说明

图1是本发明实施例一提供的纸币的鉴伪方法的流程图。

图2是本发明实施例二提供的纸币的鉴伪方法的流程图。

图3是本发明实施例二提供的50元新加坡币的红外透射图。

图4是本发明实施例三提供的纸币的鉴伪装置的结构示意图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例一

本实施例提供一种纸币的鉴伪方法，能够利用纸币的图像特性来鉴别纸币的真伪。所述鉴伪方法由一种纸币的鉴伪装置来实现，该鉴伪装置由软件和/或硬件组成，一般集成于验钞机、自助柜员机等需要鉴别纸币真伪的设备。

图1是本发明实施例一提供的纸币的鉴伪方法的流程图。如图1所示，所述鉴伪方法包括如下步骤：

S11，在纸币的红外透射图上截取特征区域。

利用红外光谱仪对纸币进行透射，按照预设尺寸在纸币的红外透射图上的预设位置截取特征区域。

所述特征区域为带有纸币的图像特性的区域，该区域的磁性或材质等与其他部分不同，红外透射时对光的吸收程度也不同，因而得到的红外透射图上，该区域的灰度与其他部分不同。

S12，在所述特征区域中检测出特征图像的边界。

利用图像识别或聚类算法，检测出特征区域中特征图像的边界。

S13，如果根据所述边界判断出所述特征图像为预设形状，则确定纸币为真。

预设形状通常为纸币的红外透射图上规则的几何形状，例如50元面额的新加坡币上的正八边形，50元面额人民币上的正方形，10元面额港币上的正六边形等。通过步骤S12中检测出的特征图像的边界可判断其是否为预设的形状，若是，则确定所述特征图像符合设定面额的纸币的图像特性，即纸币为真。

本实施例通过识别纸币的红外透射图上的特征图像，并判断所述特征图像为预设形状时，确定纸币为真。利用特征图像在材质或磁性上的不同，得到的红外透射图灰度不同，来识别出特征图像，并通过特征图像的形状，判断特征图像是否符合预设形状的特征，本发明利用纸币自身特性，采用红外透射手段提取出的特征显著，方便进一步的识别，鉴伪方法简单有效。

实施例二

本实施例提供一种纸币的鉴伪方法，在上述实施例的基础上，以50元面额的新加坡币为例，判断纸币上的特征图像是否为预设形状正八边形。

图2是本发明实施例二提供的纸币的鉴伪方法的流程图。如图2所示，所述鉴伪方法包括如下步骤：

S21，在纸币的红外透射图上截取特征区域。

图3是本发明实施例二提供的50元新加坡币的红外透射图。先对纸币进行面向识别，如图3所示，在纸币正面正向的红外透射图上，特征区域20即为要截取的部分，在红外透射图上，需要识别的特征图像的位置或许会有少量偏移，为保证特征图像被完全截取，所述特征区域20的面积要比特征图像的面积稍大，通常特征区域为矩形，矩形的长和宽为60～70像素。

S22，采用模糊C均值聚类算法对所述特征区域进行分割，检测出所述特征图像的边界的坐标。

将所述特征区域的多维像素矩阵分为多个模糊组，计算出每个模糊组的聚类中心，其中，所述多维像素矩阵的矩阵点为像素的灰度值，所述聚类中心为灰度值。

模糊C均值聚类算法(FCM)是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法。FCM把多维像素矩阵U的n个样本分为c个模糊组，计算出每个模糊组的聚类中心，使得表示非相似性指标的价值函数达到最小。

计算方法如下：

步骤1、用值在[0,1]的随机数初始化矩阵U，使其满足公式(1)的约束条件。

U_ij为一个对象隶属于U的程度的隶属度函数(即第j个样本到第i个类的隶属度函数),u_ij的值在[0,1]之间，当u_ij＝1则完全隶属于U。

步骤2、根据公式(2)计算c个模糊组的聚类中心。

其中，ci为模糊组i的聚类中心(i＝1,...,c)，且m∈[1,∞)是一个加权指数，一般情况下取2，即把所有样本分为m类。

步骤3、根据公式(3)计算价值函数。

其中，d_ij＝||c_i-x_j||，表示第i个聚类中心到第j个数据点之间的欧几里德距离。

若某个像素的价值函数的值小于阈值，或者某个像素相对上一个像素的价值函数值的改变量小于阈值，则判断该像素隶属于U。

步骤4、利用公式(5)初始化新的矩阵U’，并返回步骤2，判断其他像素是否隶属于U’。

根据所述聚类中心和所述像素的灰度值，对所述像素进行分类，即，根据上述计算步骤，判断各像素的灰度值属于哪个聚类，在m取2的情况下，将所有的像素按照价值函数分为两类。

将每个类别的交界处确定为所述特征图像的边界，并获取所述特征图像的边界上各像素的坐标。

S23，采用最小二乘法进行直线拟合，根据所述边界上各像素的坐标计算得到每一条边界的斜率。

斜率

其中，(x_i,y_i)表示所述边界的第i个像素的坐标，n是每一条所述边界上像素的个数。

S24，根据所述斜率，计算多条所述边界中相邻两条边界的夹角θ。

将θ转换为角度值。

其中，k₁、k₂分别为相邻两条边界的斜率。

S25，判断所述夹角θ是否符合所述预设形状的角度范围，是则所述特征图像为预设形状。

根据预设形状正八边形的特点(内角135°，内角的补角45°)，则夹角θ应符合的所述角度范围为40°～50°。

夹角θ符合所述预设形状的角度范围时，所述特征图像为预设形状，进一步的，确定纸币为真。

本实施例基于模糊C均值聚类算法，对特征区域的灰度值进行分类，FCM算法的时间复杂度低，能够达到很好的效果，将特征图像的边界准确的识别出来，用于下一步的形状判断，再结合纸币本身的图像特性，使得整个鉴伪过程简单、快速、准确。

实施例三

本实施例提供一种纸币的鉴伪装置，用于执行上述实施例所述的鉴伪方法，解决同样的技术问题，达到相同的技术效果。

图4是本发明实施例三提供的纸币的鉴伪装置的结构示意图。如图4所示，所述鉴伪装置包括：特征截取模块31，边界检测模块32和形状判断模块33。

特征截取模块31，用于在纸币的红外透射图上截取特征区域。

边界检测模块32，用于在所述特征区域中检测出特征图像的边界。

形状判断模块33，用于如果根据所述边界判断出所述特征图像为预设形状，则确定纸币为真。

其中，所述特征截取模块31具体用于：按照预设尺寸在纸币的红外透射图上的预设位置截取特征区域。

其中，所述边界检测模块32具体用于：采用模糊C均值聚类算法对所述特征区域进行分割，检测出所述特征图像的边界的坐标，包括：

将所述特征区域的多维像素矩阵分为多个模糊组，计算出每个模糊组的聚类中心，其中，所述多维像素矩阵的矩阵点为像素的灰度值，所述聚类中心为灰度值；根据所述聚类中心和所述像素的灰度值，对所述像素进行分类；将每个类别的交界处确定为所述特征图像的边界，并获取所述特征图像的边界上各像素的坐标。

其中，所述形状判断模块33具体用于：

采用最小二乘法进行直线拟合，根据所述边界上各像素的坐标计算得到每一条边界的斜率：

根据所述斜率计算多条所述边界中相邻两条边界的夹角θ；

θ转换为角度值。

其中，(x_i,y_i)表示所述边界的第i个像素的坐标，n是每一条所述边界上像素的个数，k₁、k₂分别为相邻两条边界的斜率；

判断所述夹角θ是否符合所述预设形状的角度范围，是则所述特征图像为预设形状。

本实施例通过识别纸币的红外透射图上的特征图像，并判断所述特征图像为预设形状时，确定纸币为真。利用特征图像在材质或磁性上的不同，得到的红外透射图灰度不同，来识别出特征图像，并通过特征图像的形状，判断特征图像是否符合预设形状的特征，本发明利用纸币自身特性，采用红外透射手段提取出的特征显著，方便进一步的识别，鉴伪方法简单有效。

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。