专利名称：基于纸币退化能量函数的清分机纸币新旧和残缺检测方法
技术领域：
本发明涉及图像处理技术，具体说就是一种基于纸币退化能量函数的清分机纸币新旧残缺检测方法。
背景技术：
随着市场经济的不断繁荣，使得纸币的流通量越来越大。银行业和零售业者的工作量也变得越来越大。纸币图像识别是近年来在模式识别领域较为活跃的一个课题，而且有着很广阔的应用前景，由此技术研制的纸币清分机正在银行等金融系统发挥着越来越大的作用，与银行柜员使用的小型点钞机主要进行币种识别和鉴伪不同，纸币清分机主要在支行或金库等后台进行新旧和残缺检测，清分系统的核心技术是在纸币图像正确识别后， 对图像的新旧和残缺进行检测。但目前，国内很多银行使用的纸币清分机都是由国外进口的，价格昂贵。国产纸币清分机功能都很有限。因此研究出鉴别低成本、高速度、识别率高的纸币新旧和残缺检测方法是十分必要的。在现有的新旧和残缺检测技术中，主要使用以下方法一种方法是基于HSI颜色格式的彩色图像纸币新旧识别算法，如专利号97115242. X中所述的取色度H分量和饱和度S分量作为特征参数，分别计算色调H和饱和度S的直方图。提取计算样本图像的色度直方图、饱和度直方图与模板图像的相关系数。由相关系数的量化结果，设计不同的阈值， 根据相似程度的不同，判断结果将纸币分为“新”、“一般”和“旧” 3个等级。另一种方法如专利号03155274. 9中所述的使用模糊神经网络对纸币新旧程度进行实时分类。为了达到实时性要求，该方法使用图像区域的一阶矩作为纸币新旧分类的特征，使用模糊神经网络作为分类器。在分类器的隶属函数生成层对特征向量向目标空间进行映射，在网络的推理层对纸币的新旧进行分析，在去模糊化层给出纸币新旧的定量分析结果。通过对这两种方法的分析可以看出，前者的算法复杂程度大，实时性差且分类的种类少；后者的神经网络方法在纸币清分系统中得到了广泛的应用，但由于神经网络有一个致命的缺点，容易过识别，即由于学习机器过于复杂，为了保证分类精度高(经验风险小)，会使VC维变得很大，造成期望风险变得很高。最终导致学习过的样本识别率高，但没有学习过的样本会发生误识或拒识。
发明内容
本发明的目的在于提供一种基于纸币退化能量函数的清分机纸币新旧残缺检测方法。本发明的目的是这样实现的首先建立参考图像模板，接着对纸币图像进行配准， 在图像配准过程中，利用几何特征进行全局配准，利用颜色扩散模型进行局部配准，最后根据配准结果检测残缺及新旧特征，并依据BDE函数对纸币新旧和残缺作出评估，步骤如下步骤一参考图像模板的设立针对不同类别的纸币，根据纸币磨损程度分为崭新、ATM适用、可流通、不可流通、严重磨损5个等级，在各个级别中挑选币面平整，没有明显扭曲变形的纸币作为样本，采用颜色扩散模型对样本进行配准，得到样本间各像素的对应关系，然后统计、插值得到纸币的退化序列，采用g = 0，1，2，3，4标志纸币从新到旧五个等级，在每等级挑选50个样本进行训练，将第g级第d个样本记为巧，记Γ/上ζ处的颜色值为T/(》，以样本7；°为基准，设 K上ζ点与Γ/上的点衫相对应，统计各等级的标准图像为Γ(ζ, Pg) = ^fiTJ (Z8d)步骤二图像的全局配准首先将待检测的纸币图像与已采样的纸币参考图像进行图像配准，然后采用 Kirsch算子提取两图像的边缘信息，在此基础上提取纸币的新旧和残缺特征；步骤三图像局部配准①根据待检测的纸币图像中各点的校正向量，采用等式D+TI(x，y) = max{0,Dn(χ, y)}来计算D+TI(x，y)，作为新旧和残缺特征，来反映待检测的纸币图像I在(χ+Δχ,γ+Δγ) 附近的新旧和残缺程度；②将待检测的纸币图像分为5X3的矩形区域Qi，统计每个区域的新旧和残缺比率
权利要求
1. 一种基于纸币退化能量函数的清分机纸币新旧残缺检测方法，其特征在于首先建立参考图像模板，接着对纸币图像进行配准，在图像配准过程中，利用几何特征进行全局配准，利用颜色扩散模型进行局部配准，最后根据配准结果检测残缺及新旧特征，并依据BDE 函数对纸币新旧和残缺作出评估，步骤如下步骤一参考图像模板的设立针对不同类别的纸币，根据纸币磨损程度分为崭新、ATM适用、可流通、不可流通、严重磨损5个等级，在各个级别中挑选币面平整，没有明显扭曲变形的纸币作为样本，采用颜色扩散模型对样本进行配准，得到样本间各像素的对应关系，然后统计、插值得到纸币的退化序列，采用g = 0，1，2，3，4标志纸币从新到旧五个等级，在每等级挑选50个样本进行训练， 将第g级第d个样本记为7，记Γ/上ζ处的颜色值为，以样本:Γ。°为基准，设7；°上ζ点与 7上的点疗相对应，统计各等级的标准图像为t^, Pg) = ^fjTJizgd)步骤二 图像的全局配准首先将待检测的纸币图像与已采样的纸币参考图像进行图像配准，然后采用Kirsch 算子提取两图像的边缘信息，在此基础上提取纸币的新旧和残缺特征；步骤三图像局部配准①根据待检测的纸币图像中各点的校正向量，采用等式D+TI(x，y)= max{0, Dn(χ, y)} 来计算D+TI(x，y)，作为新旧和残缺特征，来反映待检测的纸币图像I在(χ+Δχ，y+Δγ)附近的新旧和残缺程度；②将待检测的纸币图像分为5X3的矩形区域Qi，统计每个区域的新旧和残缺比率K1=Tj Σ [D+TI(x,y)f‘ N (丨作Ω,-③每4个相邻的5X3矩形Ωρ = 1，2，3，4构成一个10X6的矩形区域Ω」，计算Ω」 的新旧和残缺比率如果> Ac，将Ω」标识为新旧区域；④统计被标识的污染区域面积；步骤四根据BDE函数对纸币新旧和残缺作出评估利用BDE函数的均勻性差及平方色差对纸币的退化程度进行量化分析，其中SCS对于纸币退化十分敏感，但也容易受到噪声干扰，与之相反，SHD对纸币退化的敏感度相对较低， 但会更加稳定可靠，所以将纸币退化能量函数(BDE)定义为SCS、SHD两者的加权和，可以构建更为稳健可靠的纸币退化指标，将从ζ到ζ ‘的BDE值记为Q(z, ζ' ) = R(z, ζ' ) + α Ζ(ζ, ζ')其中α为加权系数，在一定程度上反映了灵敏度与稳定性的折衷，加权系数与具体的纸币图案种类无关，通常的取值范围为0. 25到4，在以后的纸币图像配准及检测环节中，BDE可以用于评估配准的匹配度，反映纸币的磨损程度及新旧情况。
全文摘要
本发明提供一种基于纸币退化能量函数的清分机纸币新旧残缺检测方法。本发明的目的是这样实现的首先建立参考图像模板，接着对纸币图像进行配准，在图像配准过程中，利用几何特征进行全局配准，利用颜色扩散模型进行局部配准，最后根据配准结果检测残缺及新旧特征，并依据BDE函数对纸币新旧和残缺作出评估。步骤包括参考图像模板的设立；图像的全局配准；图像局部配准；根据BDE函数对纸币新旧和残缺作出评估。本发明一种基于纸币退化能量函数的清分机纸币新旧残缺检测方法，具有识别率高且稳定可靠的优点，能满足实际要求，并已应用到实际的纸币清分系统中。
文档编号G06T7/00GK102236897SQ20111011748
公开日2011年11月9日 申请日期2011年5月9日 优先权日2011年5月9日
发明者佟喜峰, 刘家锋, 刘松波, 刘鹏, 吴锐, 唐降龙, 程丹松, 赵巍, 金野, 黄剑华, 黄庆成 申请人:哈尔滨工业大学