基于圖像分析的人民幣清分方法研究與實現.pdf

1、紙幣清分機是銀行等金融機構用于紙幣清分歸類、計數、真?zhèn)舞b別的一種重要工具。它能夠代替人工快速、高效的完成紙幣的清分工作。紙幣清分系統的關鍵技術是基于紙幣圖像的分析及處理。
　　本文針對人民幣反射、透射和彩色圖像，結合數字圖像處理、機器學習和神經網絡等理論知識，實現了人民幣圖像的預處理、面值面向識別、新舊檢測和冠字號碼識別模塊的算法，主要內容如下:
　　(1)在圖像預處理模塊中，對于紙幣的邊界線檢測，首先根據目標與背景間的灰度

2、差異，快速找到紙幣圖像有效的邊界點，然后采用最小二乘法進行直線擬合，最終得到紙幣圖像的四條邊界線。針對紙幣圖像傾斜矯正，本文采用直接平移紙幣圖像的像素點達到紙幣圖像矯正的效果，與傳統旋轉法相比，該方法計算量小，速度快。
　　(2)在紙幣面值面向模塊中，采用了紙幣圖像的網格特征，分別針對紙幣的灰度圖像和彩色圖像進行特征提取。當提取彩色圖像網格特征時，分別在RGB顏色空間和HSV顏色空間的H分量上獲取面值面向特征，然后采用學習向量量化

3、(LVQ)神經網絡，進行訓練與識別。本文對紙幣的面值和面向進行先后識別，設計了一種簡單可靠的紙幣識別系統。
　　(3)在新舊檢測模塊中，針對紙幣的透射圖像進行研究與分析，提取透射圖像的灰度直方圖作為紙幣新舊特征，并使用支持向量機(SVM)和K近鄰(KNN)分類器進行紙幣新舊識別。
　　(4)在冠字號識別模塊中，針對字符特征，采用了八方向梯度特征和Gabor特征，并使用線性判別分析法(LDA)對所提取的字符特征進一步降維。在字