基于纸币磨损的识别.ppt

纸币识别 纸币识别的识别特征： 长宽比 图像特征 面值识别 纸币序列号 纸币识别 传统的纸币识别算法：模板匹配 模板匹配:将各种纸币图像亮度值和灰度值提取作为特征函数，构造纸币图像模板数据库g(i,j)，通过将待识别图像F(i,j)与模板数据库中的g(i,j)模板一一比对找到于之相匹配的模板，完成对纸币的识别。 模板匹配的缺点： 对纸币的要求较高 纸币识别 解决方法： 针对传统方法不能识别问题，提出一种新的算法——高斯模型的识别算法。 纸币识别的一般流程： 纸币识别 噪声对识别的影响： 噪声会对纸币的识别产生影响，故去除噪声对纸币识别很重要，直接影响到能否识别成功。 噪声去除要达到的目标：既要去除噪声，又要保持图像的细节。 纸币识别 纸币图像中噪声来源： 纸币自身的磨损 图像采集 噪声的类型：散粒噪声、热噪声、1/f噪声。 纸币识别 去除噪声采用的方法:均值滤波 对于包含噪声污染的纸币，采用均值滤波法对纸币进行滤波以达到滤除噪声的目的。 均值滤波： 设f为图像的灰度， 为（i,j）点的像素值，邻域均值法对于给定的图像f(i,j)中的每个像素点（i，j）,取其邻域 纸币识别 ，求邻域s中像素值的平均值作为滤波后所得图像像素点的（i,j）的灰度。 其中，M是像素点的个数。 假设噪声n是加性噪声，在空间个点互不相关，切期望为0，方差为 ，g是未受污染的图像，含有噪声的图像f经过邻域平均后为： 纸币识别 基于高斯模型识别算法： 对检测到的图像进行预处理（亮度补偿、边缘检测、倾斜矫正），然后划分为若干个矩形子区域，计算该区域的灰度平均值作为提取的图像初始特征，对污损区域特征值矫正，完成对纸币的识别。 亮度补偿： 由于传感器的缘故，得到采样的图像上的各个点其光照的强度大小不同，采集到的图像在纵轴上其灰度值变化不大， 纸币识别 但是在横轴方向上其灰度值变化很大，不能将原始的图像的灰度分布特征真实的反映出来，影响识别效果，故需对图像进行亮度补偿。 上图是白纸在静态时传感器采集到的图片,在对图像进行亮度补偿前，先将原始图像用函数f(x,y)表示，设g（x,y）是补偿函数, 和原始图像灰度 纸币识别 函数关系式为： g[]是亮度补偿函数。 经过亮度补偿之后的图像为： 纸币识别 边缘检测 边缘检测的主要目的就是要进行图像特征区域定位，所谓图像特征区域定位就是在原始扫描图像中确定出纸币图像特征区域的位置，记i为列，j为行。 纸币识别 由于标准区域的背景是固定的，而图像区域和背景区域的灰度值存在着明显的差异，故把纸币的边缘检测出来并不是很困难。 钱币的原始形状是矩形的，在清分机扫描的时，即使受到倾斜和侧向移动影响纸币的形状仍可以保持为平行四边形，即上下、左右两边为互相平行的直线。利用该特点提出一种特殊的边缘检测算法，可以快速而且对残缺的纸币实现边缘检测。利用纸币的直线特征，无需对纸币边缘的每一点都进行检测，采取等间隔采样，然后用最小二乘拟合。 纸币识别 纸币识别 B(i,j)=0B(i=1,j)=255 M为纸币的宽度 纸币识别 倾斜矫正： 高速扫描装置是在钱币运动过程当中扫描图像，因此在一般情况下都会存在一定程度的几何变形，这种变形来源与两个方面，一个方面是钱币的倾斜造成的，一方面是钱币在扫描的过程中横向移动造成的，经过图像定位之后，利用定位信息来矫正图像。 由于倾斜造成的变形可以采用图像的旋转方式来矫正，采用左上角为原点进行旋转，令左上角的坐标为 ，原始图像为 , 旋转后的图片为 ， 和 满足关系: 纸币识别 设经过图像定位之后可以得到四条边缘的直线方程，其中上边缘的直线方程： 左边直线方程： 左上角的坐标为 ，原图与旋转后的关系为： 纸币识别 网格特征提取： 将预处理后的纸币图像进行划分，提取矩形区域灰度值的均值作为初始特征，矩阵划分为 个矩形区域，各个区域大小相同， 纸币识别 将纸币的初始的初始为：