一种纸币冠字号定位方法与流程

本发明涉及纸币识别处理技术领域，具体涉及一种纸币冠字号定位方法。

背景技术：

在全球高新技术高速发展的今天，金融安全显得愈发重要。如何更好的保护国家金融安全，更好的打击金融犯罪，成为了当前一个重要的研究课题。

其中纸币在金融领域扮演着重要角色，在货币高速流通的今天，如何快速的追踪与定位货币的使用情况，是一个尤为重要的研究内容。冠字号的产生极大的提高了金融监管部门的监管能力，并有利于追踪与定位货币的使用情况，冠字号的正确识别与存储可以为货币的安全流通保驾护航。

然而，当前流行的冠字号识别方法，其准确率已经高达99％，再次提高其识别精度是一个非常困难的事情。经过大量的实验与研究发现，影响冠字号识别的准确性关键在于冠字号的正确分割。由于纸币在钞票通道中的姿态各异，破损情况未知，第一次冠字号区域裁剪是粗略裁剪，粗略裁剪冠字号会引入冠字号周边的图案干扰，或者脏污涂写等干扰，这些干扰对于冠字号的准确分割产生很大影响。因此如何更加准确的定位冠字号位置对于冠字号的识别结果至关重要。

技术实现要素：

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种纸币冠字号定位方法。

为实现本发明的目的所采用的技术方案是：

一种纸币冠字号定位方法，包括步骤如下：

从待识别纸币的绿光图像中确定冠字号区域的位置并截取冠字号区域图像；

根据纸币倾斜度对截取的冠字号区域图像进行独立仿射变换矫正；

对矫正后图像二值化处理得二值化图像，采用滑动窗口对二值化图像的灰度值开运算，使相邻冠字号之间形成连通域，得到开运算后的冠字号区域图像；

选取目标连通域并将目标连通域的最小外接矩形作为冠字号定位图像。

其中，在矫正后图像二值化处理前，先计算矫正后图像的均值、方差、最大值及最小值，根据下式计算二值化阈值，然后利用所述二值化阈值对矫正后图像化处理，得到二值化图像：

其中，threshold为二值化阈值，mean为矫正后图像的均值,deviation为矫正后图像的方差,max为矫正后图像的最大值,min为矫正后图像的最小值。

其中，通过逐像素扫描图像的方式计算矫正后冠字号区域图像的均值、方差，最大值以及最小值。

利用svm分类器从所述绿光图像中确定冠字号区域的位置并截取冠字号区域图像。

在确定冠字号区域的位置时，是利用svm分类器通过纸币的面额及版本进行判断确定冠字号区域的位置并截取冠字号区域图像的。

采用cis接触式图像传感器采集待识别纸币的绿光图像。

所述目标连通域的面积及宽度分别大于其它连通域的面积及宽度。

本发明通过冠字号的二次定位相对于冠字号一次定位具有更高的准确性，二次精确定位后的冠字号图像是不包含任何干扰的纯净图像，可以有效的排除冠字号周围图案的干扰和涂写脏污等干扰。

附图说明

图1是纸币冠字号定位方法流程图；

图2a-2e是纸币冠字号定位测试示意图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明。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。

参见图1所示，一种纸币冠字号定位方法，包括步骤如下：

从待识别纸币的绿光图像中确定冠字号区域的位置并截取冠字号区域图像；

根据纸币倾斜度对截取的冠字号区域图像进行独立仿射变换矫正；

对矫正后图像二值化处理得二值化图像，采用滑动窗口对二值化图像的灰度值开运算，使相邻的冠字号之间形成连通域，得到开运算后的冠字号区域图像；

选取目标连通域并将目标连通域的最小外接矩形作为冠字号定位图像。

具体的，可利用svm分类器从采集的所述绿光图像中确定冠字号区域的位置并截取冠字号区域图像。

具体的，在确定冠字号区域的位置时，是利用svm分类器通过纸币的面额及版本、面向进行判断确定冠字号区域的位置并截取冠字号区域图像的。

具体在处理时，可以提取纸币绿光图像的特征点，并使用supportvectormachines(支持向量机)分类器确定当前纸币的面额、版本、面向信息，并根据这些信息准确定位冠字号所在的位置，截取冠字号区域图像并保存在处理器的ddr中。

本发明所提出的二值化分割方法，比经典的otsu(最大类间方差法、大津算法)以及迭代算法更加适合冠字号的二值化分割，具有更强的针对性，提出的分割方法具有更强的鲁棒性。

在确定纸币的倾斜度时，可以是根据图像中纸币和背景的梯度，在纸币的上边界确定若干离散点，并利用这些离散点确定一条直线方程。通过直线方程确定直线的斜率，进而确定纸币的倾斜方向，再利用仿射变换对截取的冠字号区域图像进行矫正并保存在处理器的ddr中。

其中，开运算＝腐蚀运算+膨胀运算；腐蚀运算是计算滑动窗口内的最小值(对于二值图像最小值就是0)；膨胀运算是计算滑动窗口内的最大值(对于二值图像最小值就是255)。通过腐蚀加膨胀运算即开运算，就可使相邻的冠字号变成一个连通域，该滑动窗口的大小为高为7像素，宽为9像素的滑动窗口。

其中，所述目标连通域的面积及宽度分别大于其它连通域的面积及宽度，即是所有连通域中面积最大，宽度最宽的连通域。在具体选取时，可以通过blob分析方法进行筛选目标连通域。

本发明在具体实现时，在矫正后图像二值化处理前，要先计算矫正后图像的均值、方差、最大值及最小值，根据下式计算二值化阈值，然后利用所述二值化阈值对矫正图像化处理，得到二值化图像：

其中，threshold为二值化阈值，mean为矫正后图像的均值,deviation为矫正后图像的方差,max为矫正后图像的最大值,min为矫正后图像的最小值。

其中，具体的，根据截取后的冠字号区域图像的矫正后图像，通过逐像素扫描图像的方式计算矫正后图像的均值、方差，最大值以及最小值。

其中，对待识别纸币的绿光图像采集时，可采用cis接触式图像传感器进行。

如图2a-2e所示，图2a-2e为5组测试图像，每组测试图像又包含4张图像，每组图像从左到右再从上到下，依次为截取的冠字号区域图像、冠字号区域二值图像、冠字号区域二值图像开运算得到图像、冠字号定位图像。

实验证明，冠字号的二次定位相对于冠字号一次定位具有更高的准确性，二次精确定位后的冠字号图像是不包含任何干扰的纯净图像，可以有效的排除冠字号周围图案的干扰和涂写脏污等干扰。

以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。