的对钞票不同角度的图像信息进行光变油墨特性检测的流程不意图；
[0052]图3是本发明的基于智能手机的伪钞识别系统的第一实施例的结构组成示意图；
[0053]图4是本发明的基于智能手机的伪钞识别系统的第二实施例的结构组成示意图。
【具体实施方式】
[0054]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0055]图1是本发明实施例的基于智能手机的伪钞识别方法的流程示意图，如图1所示，该方法包括:
[0056]Sll:对钞票图像信息进行采集，获取钞票不同角度的图像信息；
[0057]S12:对钞票不同角度的图像信息进行预处理，获取预处理结果；
[0058]S13:根据预处理结果，将钞票的水印和隐形数字面额的防伪特征进行区域分割，获取分割结果；
[0059]S14:利用分割结果与真钞模板进行图像的防伪特征进行匹配识别，判断是否匹配识别成功；若是，进入S15，若否，进入S18 ;
[0060]S15:对钞票不同角度的图像信息进行光变油墨特性检测识别，获取检测识别结果;
[0061]S16:根据检测识别结果，识别是否为真钞；若是，进入S17，若否，进入S18 ;
[0062]S17:识别为真钞；
[0063]S18:识别为伪钞。
[0064]进一步地，在Sll中，获取钞票不同角度的图像信息，在具体实施中，对钞票进行旋转，利用智能手机对旋转后的钞票进行拍照，获取钞票不同角度的图像信息。
[0065]其中，对S12作进一步说明:
[0066]采用图像增强的方法对图像信息进行预处理，首先采用灰度等级直方图处理，使得原来图像信息变为灰度图像信息；然后通过低通滤波处理，消除灰度等级直方图处理带来的一些可识别的小点噪声，起到降噪的作用；最后通过高通滤波和差分运算的方法，使得图像信息的轮廓线增强，起到确定图像信息的上下左右边界。
[0067]其中，对S13作进一步说明:
[0068]根据S12预处理确定钞票的上下左右的边界，因为钞票的水印和隐形数字面额的位置相对于该钞票是固定的，即可以确定钞票的水印和隐形数字面额的防伪特征的位置；对确定钞票的水印和隐形数字面额的防伪特征的位置的图像信息进行分割，获取钞票水印的防伪特征和隐形数字面额的防伪特征。
[0069]其中，对S14作进一步说明:
[0070]利用分割出来的水印防伪特征和隐形数字面额防伪特征与钞票模板的防伪特征进行匹配，匹配水印防伪特征和隐形数字面额防伪特征与钞票模板防伪特征是否相同，若相同率不小于90%，则匹配识别成功，若相同率小于90%，则匹配失败。
[0071]进一步地，结合图2对S15进行详细说明:
[0072]S151:将钞票不同角度的图像信息转换成为灰度图像信息；
[0073]S152:将灰度图像信息进行量化处理，获取量化处理结果；
[0074]S153:根据量化处理结果构建对象数据矩阵；
[0075]S154:对对象数据矩阵进行灰度量化值进行归一化处理，获取灰度量化值归一化后的对象数据矩阵；
[0076]S155:利用灰度量化值归一化后的对象数据矩阵与真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵进行对比识别，获取识别结果。
[0077]其中，对S152作进一步说明:
[0078]将灰度图像信息的亮度进行量化处理，按照亮度划分为O?255，共为256个灰度值，O表示最暗(黑)，255表示最亮(白)，即根据灰度图像的亮度采用数字表示即可实现量化处理。
[0079]其中，对S153作进一步说明:
[0080]提取灰度图像信息的边、角、水印、隐形数字面额、头像和安全线6个区域的亮度表示数字，利用这些亮度表示数字构建对象数据矩阵。
[0081]进一步地，在S154中，对对象数据矩阵进行灰度量化值进行归一化处理，采用Max-Min方法对对象数据矩阵进行归一化处理，把对象数据矩阵的每个元素归一到[0，I]；采用Max-Min方法对对象数据矩阵进行归一化处理的原因，是因为Max-Min归一化方法保留了原始信息的分布，改变的仅仅是元素的值域，对后续的对比识别结果不会产生任何的影响。
[0082]其中，对S155作进一步说明:
[0083]利用灰度量化值归一化后的对象数据矩阵中的每一个元素与真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵对应的元素进行对比识别，若两个元素的误差范围在5%以后，则认为这个元素识别成功，否则，识别失败；获取最终的识别成功率。
[0084]其中，对S16作进一步说明:
[0085]根据S155获取的识别成功率，若是识别成功率不小于90%，那么判断该钞票为真钞，若是识别成功率小于90%，那么判断该钞票为假钞。
[0086]图3是本发明的基于智能手机的伪钞识别系统的第一实施例的结构组成示意图，如图3所示，该伪钞识别系统包括:
[0087]采集模块31:用于对钞票图像信息进行采集，获取钞票不同角度的图像信息；
[0088]处理模块32:用于对钞票不同角度的图像信息进行预处理，获取预处理结果；
[0089]分割模块33:用于根据预处理结果，将钞票的水印和隐形数字面额防伪特征进行区域分割，获取分割结果；
[0090]匹配模块34:用于对分割结果与真钞模板图像信息的防伪特征进行匹配识别，获取匹配识别结果；
[0091]光变油墨检测模块35:用于根据匹配结果，对钞票不同角度的图像信息进行光变油墨特性检测，获取检测结果，根据检测结果判别钞票的真伪。
[0092]图4是本发明的基于智能手机的伪钞识别系统的第二实施例的结构组成示意图，如图4所示，该伪钞识别系统还包括:
[0093]存储模块36:用于存储真钞模板图像信息的防伪特征和真钞模板不同角度的图像信息的灰度量化值归一化后的对象数据矩阵。
[0094]其中，处理模块32包括:
[0095]图像信息处理单元:用于对图像信息进行灰度等级直方图处理，获取灰度图像信息;
[0096]降噪单元:用于对灰度图像信息采用低通滤波处理，获取消除可识别的小点噪声的灰度图像信息；
[0097]边界确定单元:用于对消除可识别的小点噪声的灰度图像信息进行高通滤波和差分运算的方法处理，获取确定上下左右边界的灰度图像信息。
[0098]其中，分割模块33包括:
[0099]位置确定单元:用于根据确定上下左右边界的灰度图像信息，对钞票的水印和隐形数字面额的防伪特征位置进行确定；
[0100]分割单元:用于根据确定的钞票的水印和隐形数字面额的防伪特征位置，对钞票的水印和隐形数字面额的防伪点进行分割，获取分割后的钞票的水印防伪特征和钞票的隐形数字面额防伪特征。
[0101]其中，光变油墨检测模块35包括:
[0102]色彩转换单元:用于将钞票不同角度的图像信息转换成为灰度图像信息；
[0103]量化处理单元:用于将灰度的图像信息进行量化处理，获取