一种褶皱票据鉴别方法及装置的制造方法
【技术领域】
[0001] 本发明涉及金融自助设备技术领域，尤其涉及一种褶皱票据鉴别方法及装置。
【背景技术】
[0002] 作为非流通票据类型之一的褶皱票据，已不适合再流通，因此，当褶皱票据作为输 入、进入到鉴别装置时，鉴别装置需将其鉴别分类为非流通票据。
[0003] 但受限于现有成像设备、光照变化、成像环境等因素的影响，使得自助设备的信号 采集模块得到的信号不够鲁棒，进而影响褶皱票据在信号中的特征不够显著，从而加大了 对褶皱票据的鉴别难度。
[0004] 特征描述是褶皱票据鉴别的关键前提，基于现有的信号，假若采用传统简单的求 灰度均值，或采用阈值对图像进行二值化，并统计异常像素点的单一特征描述方法，很难将 褶皱票据与受干扰或受污染的票据区分开来。传统的特征描述之所以达不到好的效果的根 本原因在于，未对褶皱票据与受干扰或受污染的票据进行有效的分类或预处理。
【发明内容】
[0005] 为了解决现有技术中难以将褶皱票据与受干扰或受污染的票据区分开来的问题， 本发明提出一种褶皱票据鉴别方法及装置，采用基于高/低通滤波器的特征分类方法，对 票据褶皱的特征区域进行有效的特征描述，最终提高鉴别装置对褶皱票据的鉴别性能。
[0006] 本发明提供的一种褶皱票据鉴别装置，包括：一票据输入口，用于接受待鉴别票据 或票据样本，并将票据输送至下一模块；一信号采集模块，用于对票据CIS图像进行采集， 得到红外透射图像T和红外反射图像F ;-信号鉴别模块，用于鉴别待鉴别票据是否有褶 皱；以及一接收/拒收模块，用于对待鉴别票据进行接收或拒收操作；其中，该信号鉴别模 块进一步包括：一高通滤波第一单元，用于对红外透射图像T进行滤波，得到高通红外透射 滤波图像gT ;-低通滤波第一单元，用于对红外透射图像T进行滤波，得到低通红外透射滤 波图像dT ;-高通滤波第二单元，用于根据红外透射图像T的低通滤波情况，按照几何坐标 点对点的映射关系对红外反射图F同步进行高通滤波，得到高通红外反射滤波图像gF ; - 低通滤波第二单元，用于根据红外透射图T的高通滤波情况，按照几何坐标点对点的映射 关系对红外反射图F同步进行低通滤波，得到低通红外反射滤波图像dF ;-差分滤波图单 元，用于对高通红外反射滤波图像gF与低通红外透射滤波图像dT进行差分运算，得到差分 滤波图像cFT ;-特征提取第一单元，用于对高通红外透射滤波图像gT进行特征提取，计算 gT的平均灰度值gT_G作为其特征值；一特征提取第二单元，用于对低通红外反射滤波图像 dF进行特征提取，计算dF的平均灰度值dF_G作为其特征值；一特征提取第三单元，用于对 差分滤波图像cFT进行特征提取，计算cFT的平均灰度值cFT_G作为其特征值；以及一鉴 别决策单元，用于根据票据样本的gT_G特征值、dF_G特征值及cFT_G特征值计算褶皱票据 与非褶皱票据的分类模型，并依据票据分类决策模型决策待鉴别钞票是否有褶皱，其中该 票据分类决策模型为 ：Pl> T p p2> T 2, p3> T 3同时成立时，则待鉴别票据被鉴别为褶皱票 据，反之，则鉴别为非褶皱票据，其中P1，&及P 3分别为将待鉴别票据决策为褶皱票据的置 信度，1~2及T 3为三个置信度阈值。
[0007] 优选的，该票据分类决策模型可进一步修正为：
[0008]
【主权项】
1. 一种褶皱票据鉴别装置，包括： 一票据输入口，用于接受待鉴别票据或票据样本，并将票据输送至下一模块； 一信号采集模块，用于对票据CIS图像进行采集，得到红外透射图像T和红外反射图像F； 一信号鉴别模块，用于鉴别待鉴别票据是否有褶皱；以及 一接收/拒收模块，用于对待鉴别票据进行接收或拒收操作； 其特征在于，该信号鉴别模块进一步包括： 一高通滤波第一单元，用于对红外透射图像T进行滤波，得到高通红外透射滤波图像 gT； 一低通滤波第一单元，用于对红外透射图像T进行滤波，得到低通红外透射滤波图像dT； 一高通滤波第二单元，用于根据红外透射图像T的低通滤波情况，按照几何坐标点对 点的映射关系对红外反射图F同步进行高通滤波，得到高通红外反射滤波图像gF; 一低通滤波第二单元，用于根据红外透射图T的高通滤波情况，按照几何坐标点对点 的映射关系对红外反射图F同步进行低通滤波，得到低通红外反射滤波图像dF; 一差分滤波图单元，用于对高通红外反射滤波图像gF与低通红外透射滤波图像dT进 行差分运算，得到差分滤波图像cFT; 一特征提取第一单元，用于对高通红外透射滤波图像gT进行特征提取，计算gT的平均 灰度值gT_G作为其特征值； 一特征提取第二单元，用于对低通红外反射滤波图像dF进行特征提取，计算dF的平均 灰度值dF_G作为其特征值； 一特征提取第三单元，用于对差分滤波图像cFT进行特征提取，计算cFT的平均灰度值cFT_G作为其特征值；以及 一鉴别决策单元，用于根据票据样本的gT_G特征值、dF_G特征值及cFT_G特征值计 算褶皱票据与非褶皱票据的分类模型，并依据票据分类决策模型决策待鉴别钞票是否有褶 皱，其中该票据分类决策模型为：Pl>Ti，p2>T2,p3>T3同时成立时，则待鉴别票据被鉴别 为褶皱票据，反之，则鉴别为非褶皱票据，其中Pl，&及P3分别为将待鉴别票据决策为褶皱 票据的置信度，1~2及T3为三个置信度阈值。
2. 如权利要求1所述的褶皱票据鉴别装置，其特征在于该票据分类决策模型进一步修 正为：
其中Pi，P2&P3分别为将待鉴别票据决策为褶皱票据的置信度，《，0，Y是分别对Pl，p^p3给予的不同的权重值，且a+f3+y =l，a彡〇，0彡〇，y彡〇，1\为阈值，1\的 一般经验值为〇. 5。
3. -种褶皱票据鉴别方法，包括： 步骤一，票据输入口接受待鉴别票据，并将该待鉴别票据输送至信号采集模块； 步骤二，信号采集模块采集该待鉴别票据的CIS图像信号，得到红外透射图像Ts和红 外反射图像Fs; 步骤三，高通滤波第一单元对红外透射图像Ts进行滤波，得到高通红外透射滤波图像gTs; 步骤四，低通滤波第一单元对红外透射图像!；进行滤波，得到低通红外透射滤波图像dTs; 步骤五，高通滤波第二单元根据红外透射图像1；的低通滤波情况，按照几何坐标点对 点的映射关系对红外反射图Fs同步进行高通滤波，得到高通红外反射滤波图像gFs; 步骤六，低通滤波第二单元根据红外透射图！；的高通滤波情况，按照几何坐标点对点 的映射关系对红外反射图Fs同步进行低通滤波，得到低通红外反射滤波图像dFs; 步骤七，差分滤波图单元对高通红外反射滤波图像gFs与低通红外透射滤波图像dT3进 行差分运算，得到差分滤波图像cFTs; 步骤八，特征提取第一单元对gTs进行特征提取，计算gTs的平均灰度值gT_Gs作为其 特征值； 步骤九，特征提取第二单元对dFs进行特征提取，计算dFs的平均灰度值dF_Gs作为其 特征值； 步骤十，特征提取第三单元对cFTs进行特征提取，计算cFTs的平均灰度值cFT_Gs作为 其特征值； 步骤i^一，将该gT_Gs特征值、dF_Gs特征值及cFT_Gs特征值分别代入褶皱票据与非褶 皱票据的三个分类模型ypy2、中， Yi=fi(gT_G)；y2=f2(dF_G)； y3=f3(cFT_G)； 得到 Pi=fi(gT_Gs)；p2=f2(dF_Gs)； p3=f3(cFT_Gs)； 其中Pi，巧及P3分别为将待鉴别票据决策为褶皱票据的置信度，若PTpp2>T2,p3 >T3同时成立时，则待鉴别票据被鉴别为褶皱票据，反之，则鉴别为非褶皱票据，其中Ti，T2 及！^为三个置信度阈值。
4. 如权利要求3所述的褶皱票据鉴别方法，其特征在于，步骤十一进一步包括对pi，p2 及P3给予不同的权重值a，0，y，其中a+0+y= 1，a彡〇, 0彡〇,y彡〇,则存在一 个阈值Ts，票据分类决策模型如下：
5. 如权利要求3或4所述的褶皱票据鉴别方法。其特征在于，得到该褶皱票据与非 褶皱票据的三个分类模型yi、y2、y3的方法包括：采集一定数量的褶皱票据与非褶皱票据样 本，获得每一张票据样本的高通红外透射滤波图gT的平均灰度值gT_G特征值、低通红外反 射滤波图dF的平均灰度值dF_G特征值及差分滤波图cFT的平均灰度值cFT_G特征值，并 分别统计该gT_G特征值、dF_G特征值及cFT_G特征值，计算得出褶皱票据对应的gT_G概 率分布图、dF_G概率分布图及cFT_G概率分布图，用如下公式分别描述： Yi=f1 (gT_G)； y2=f2(dF_G)； y3=f3(cFT_G)； 其中丫:^^^分别为该褶皱票据与非褶皱票据的三个分类模型。
6. 如权利要求5所述的褶皱票据鉴别方法，其特征在于，获得每一张票据样本的高通 红外透射滤波图gT的平均灰度值gT_G特征值、低通红外反射滤波图dF的平均灰度值dF_ G特征值及差分滤波图cFT的平均灰度值cFT_G特征值的方法，与权利要求1中步骤一至步 骤十中，获得该待鉴别票据的高通红外透射滤波图gTs的平均灰度值gT_Gs特征值、低通红 外反射滤波图dFs的平均灰度值dF_Gs特征值及差分滤波图cFTs的平均灰度值cFT_Gs特征 值的方法相同。
7. 如权利要求3所述的褶皱票据鉴别方法，其特征在于，步骤一至步骤十并非依次进 行，其中步骤三与步骤四可同步进行，步骤五与步骤六可同步进行，步骤八在步骤三之后即 可进行，步骤九在步骤六之后即可进行，以及步骤十在步骤七之后即可进行。
8. 如权利要求3所述的褶皱票据鉴别方法，其特征在于，步骤三之前还包括对图像信 号八和Fs求取高/低通滤波器阈值：先求取T3的平均灰度值为：
其中pix(i)为Ts上像素点对应的灰度值，w为Ts图像信号的宽度，h为Ts图像信号的 高度，Ts对应的高通滤波器阈值则为Tn=j*avG，1彡j彡（255/avG)，低通滤波器阈值则 为T22=k*avG，0 <k< 1〇
9. 如权利要求8所述的褶皱票据鉴别方法，其特征在于，计算gTs的平均灰度值gT_Gs 的求取模型、计算dFs的平均灰度值dF_Gs的求取模型以及计算cFTs的平均灰度值cFT_Gs 的求取模型与求取Ts的平均灰度值的求取模型相同。
【专利摘要】本发明涉及一种褶皱票据鉴别方法和装置。该装置包括一票据输入口、一信号采集模块、一信号鉴别模块以及一接收/拒收模块，其中，该信号鉴别模块进一步包括一高通滤波第一单元、一低通滤波第一单元、一高通滤波第二单元、一低通滤波第二单元、一差分滤波图单元、一特征提取第一单元、一特征提取第二单元、一特征提取第三单元及一鉴别决策单元。由于采用高/低通滤波的方式对特征进行有效分类，提升了特征的可区分性。特别是不同类型的特征对应不同的分类器，而分类器之间又具有类似Adaboost分类器的功能，能够保证鉴别置信度，使得鉴别系统更为鲁棒地兼容外部环境干扰、票据身污染等复杂情况，整个褶皱票据解决方法及装置能够有效地鉴别褶皱票据。
【IPC分类】G06K9-46, G06K9-62
【公开号】CN104573700
【申请号】CN201510059223
【发明人】刘光禄, 陈健, 肖助明, 郑伟锐
【申请人】广州广电运通金融电子股份有限公司
【公开日】2015年4月29日
【申请日】2015年2月4日