亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種紙幣圖像特征提取方法

        2013-11-04 08:46:37張春晶
        關(guān)鍵詞:紙幣特征提取邊緣

        王 朋, 劉 鵬, 張春晶 吳 銳

        (1.黑龍江科技大學(xué) 電氣與信息工程學(xué)院, 哈爾濱 150022;2.哈爾濱工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 哈爾濱 150001)

        ?

        一種紙幣圖像特征提取方法

        王朋1,劉鵬2,張春晶1吳銳2

        (1.黑龍江科技大學(xué) 電氣與信息工程學(xué)院, 哈爾濱 150022;2.哈爾濱工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 哈爾濱 150001)

        針對(duì)紙幣在清分機(jī)中運(yùn)動(dòng)時(shí),圖像發(fā)生尺寸、旋轉(zhuǎn)和平移的現(xiàn)象,提出一種對(duì)尺寸、旋轉(zhuǎn)和平移運(yùn)動(dòng)不敏感的特征提取方法。該方法通過紙幣邊緣提取、尺寸計(jì)算及傾斜校正預(yù)處理,采用貝葉斯最大后驗(yàn)概率法擬合邊緣,將所確定的圖像區(qū)域等分為M×N個(gè)單元,提取其特征,消除數(shù)據(jù)的不一致性,紙幣分類的準(zhǔn)確率達(dá)99.9%以上。該方法計(jì)算復(fù)雜性低,能夠滿足紙幣清分機(jī)對(duì)圖像處理和分類的實(shí)時(shí)性要求。

        紙幣分類; 不變特征; 神經(jīng)網(wǎng)絡(luò); 圖像處理

        0 引 言

        在紙幣清分、名片識(shí)別、票據(jù)識(shí)別等圖像處理設(shè)備中,由于實(shí)時(shí)性的要求,紙幣、票據(jù)、名片等高速通過圖像采集通道時(shí)會(huì)產(chǎn)生旋轉(zhuǎn)、平移等問題,導(dǎo)致獲取圖像的分辨率較低,造成特征提取及識(shí)別困難。尤其是對(duì)于紙幣清分機(jī),當(dāng)紙幣在紙幣清分機(jī)中運(yùn)動(dòng)時(shí),紙幣在通道中的運(yùn)動(dòng)是復(fù)雜的。由于拖動(dòng)紙幣運(yùn)動(dòng)的左右兩個(gè)壓輪的摩擦力不同,使紙幣不僅有垂直方向的運(yùn)動(dòng)還有水平方向的運(yùn)動(dòng),因線陣傳感器CIS的成像機(jī)理,獲得的紙幣圖像包括了旋轉(zhuǎn)和平移兩種變形,另外,不同紙幣在運(yùn)動(dòng)時(shí)與CIS的距離不同,相同面額紙幣在圖像中的面積也是不同的。因此,一種簡單、穩(wěn)定、有效的紙幣圖像特征提取方法是提高紙幣分類可靠性的有效途徑[1-6]。A.Ahmadi提出的基于局部主成分分析PCA特征提取方法能夠提高紙幣分類可靠性,局部PCA方法[7]克服了傳統(tǒng)PCA方法全局線性的特點(diǎn),但因其矩陣乘法運(yùn)算的復(fù)雜性不能滿足實(shí)時(shí)系統(tǒng)的要求。文獻(xiàn)[8]提出了模糊聚類方法,用于多光譜紙幣圖像的聚類分析。由于多光譜圖像的使用,提高了分類的可靠性,但該方法需要更多的硬件資源用于存儲(chǔ)數(shù)據(jù),這對(duì)于具有體積和成本要求的嵌入式系統(tǒng)是困難的。

        筆者提出一種不受尺寸、旋轉(zhuǎn)和平移等影響的紙幣特征提取方法。該方法適用在高速紙幣通道中獲得的紙幣圖像特征提取,而且計(jì)算過程簡單,能夠滿足實(shí)時(shí)系統(tǒng)要求。最后,使用3層BP神經(jīng)網(wǎng)絡(luò)對(duì)紙幣的面值和朝向進(jìn)行識(shí)別。

        1 不變特征提取

        1.1紙幣的尺寸、旋轉(zhuǎn)和平移

        在紙幣處理設(shè)備中,壓輪推動(dòng)紙幣通過CIS。通常,紙幣的速度小于壓輪的速度。假設(shè)壓輪的速度為v0,紙幣的速度為v1,則v0=v1+v,v≥0。盡管硬件平臺(tái)中的FPGA通過一個(gè)編碼器監(jiān)視壓輪的轉(zhuǎn)速,通過編碼器的輸出控制CIS的曝光時(shí)間,但編碼器只能近似地反映紙幣的運(yùn)行速度,因此,同面額紙幣圖像的高度是變化的。另外,左右兩個(gè)壓輪由于加工誤差,使它們的直徑不同,左右壓輪的線速度是不同的,所以紙幣圖像會(huì)發(fā)生旋轉(zhuǎn)變化。文中設(shè)計(jì)的圖像處理和分析系統(tǒng)可以承受的最大旋轉(zhuǎn)角度為±15°。由于紙幣進(jìn)入通道時(shí)的位置不同,紙幣圖像會(huì)發(fā)生平移變換。紙幣圖像的尺度、旋轉(zhuǎn)和平移變化給紙幣圖像特征提取和分類帶來困難,因此,提出一種簡單、穩(wěn)定、有效的紙幣圖像特征提取方法是必要的。

        1.2特征矢量

        紙幣圖像被分割為M×N個(gè)區(qū)域,如圖1所示。每個(gè)區(qū)域的平均灰度構(gòu)成特征矢量中的元素。平均亮度是一階統(tǒng)計(jì)量,它的計(jì)算復(fù)雜性低。令F表示特征矢量,對(duì)它的元素進(jìn)行歸一化處理,fi, j表示歸一化后的第i行,第j列特征元素:

        F=[f0,0,…,f0,N-1,f1,0,…,f1,N-1,…,

        fM-1,0,…,fM-1,N-1]T,

        其中,v(p,q)是在區(qū)域(i,j)中位置(p,q)處的像素灰度。

        圖1 紙幣的特征區(qū)域

        1.3特征區(qū)域的定位

        假設(shè)紙幣圖像的寬度和高度分別為w和h。從坐標(biāo)(w/2,0)開始到坐標(biāo)(w/2,h/2)沿垂直方向開始搜索,第一個(gè)灰度變化點(diǎn)pt,0是紙幣的邊緣點(diǎn)。pt,0的灰度明顯大于背景像素的灰度。設(shè)pt,0的坐標(biāo)為(w0,h0),其中w0=w/2。pt,0是紙幣水平方向邊緣的搜索起點(diǎn),在圖像坐標(biāo)范圍(w0-s,h0-ε)到(w0-s,h0+ε)搜索紙幣的水平方向邊緣,其中s是水平移動(dòng)補(bǔ)償,ε為垂直方向搜索范圍。在這個(gè)搜索范圍內(nèi),最大亮度變化點(diǎn)是下一個(gè)紙幣水平方向邊緣點(diǎn),記為pt,-1。pt,-1,坐標(biāo)記為(w-1,h-1),其中w-1=w0-s,h0-ε≤h-1≤h0+ε。使用相同的方法得到下一個(gè)紙幣水平方向邊緣點(diǎn)pt,-2,它的坐標(biāo)為(w-2,h-2),其中w-2=w-1-s,h-1-ε≤h-2≤h-1+ε。如果從pt,0開始在(w0+s,h0-ε)到(w0+s,h0+ε)范圍內(nèi)搜索,可以得到pt,0右側(cè)的紙幣水平方向邊緣點(diǎn)。紙幣水平方向邊緣點(diǎn)序列記為Pt。

        Pt={pt,-R,pt,-R+1,…,pt,-1,pt,0,pt,1,…,pt,S-1,pt,S},

        (4)

        在Pt中每一個(gè)元素是紙幣的上邊緣像素點(diǎn)。在計(jì)算過程中,中間點(diǎn)pt,0總是首先被發(fā)現(xiàn)的。下一個(gè)邊緣點(diǎn)的搜索受到參數(shù)s和ε的約束。搜素位置由下式計(jì)算:

        令R和S分別是pt,0點(diǎn)左右兩側(cè)紙幣邊緣點(diǎn)的數(shù)量,則點(diǎn)序列Pt的長度為R+S+1。如果R+S+1小于20,或第一個(gè)邊緣得按pt,0在(w/2,0)到(w/2,h/2)區(qū)域內(nèi)沒有搜素到,這意味著紙幣扭曲過于嚴(yán)重,紙幣將被拒識(shí)。

        使用相同的方法可以得到紙幣的下邊緣,左邊緣和右邊緣。

        采用貝葉斯最大后驗(yàn)概率法擬合紙幣邊緣。設(shè)紙幣圖像上邊緣直線方程為Lt:y=ktx+bt,同樣的下邊緣,左邊緣和右邊緣直線方程分別為Lb:y=kbx+bb,Ll:y=klx+bl和Lr:y=krx+br,其中直線參數(shù)k·和b·由下式計(jì)算

        紙幣在圖像中的水平角和垂直角分別為

        紙幣在圖像中的4個(gè)頂點(diǎn)坐標(biāo)通過計(jì)算直線Lt、Lb、Ll、Lr之間的交點(diǎn)獲得,分別記為左上角頂點(diǎn)(x0,y0),左下角頂點(diǎn)(x1,y1),右下角頂點(diǎn)(x2,y2)和右上角頂點(diǎn)(x3,y3)。紙幣的寬度和高度可以根據(jù)頂點(diǎn)之間的距離及傾斜角度計(jì)算:

        紙幣上每個(gè)區(qū)域的寬度和高度分別為wb/M和hb/N。紙幣區(qū)域的分割根據(jù)紙幣的水平角和垂直角進(jìn)行。這種分割方法是紙幣特征區(qū)域的尺寸依據(jù)紙幣的實(shí)際尺寸和旋轉(zhuǎn)角度自適應(yīng)變化,對(duì)邊緣的檢測從紙幣邊緣的中間點(diǎn)向兩側(cè)擴(kuò)展,適應(yīng)紙幣在圖像中的平移變化。因此,提出的紙幣特征提取方法具有尺度、旋轉(zhuǎn)和平移不變性。

        令在紙幣特征區(qū)域中像素的坐標(biāo)為(i,j),i∈{0,1,…,hb},j∈{0,1,…,wb}。因?yàn)榧垘判D(zhuǎn),有必要計(jì)算該像素水平和垂直兩個(gè)方向上的偏移量。由于每一個(gè)特征區(qū)域的面積很小,所以像素的偏移量可以使用下式近似的計(jì)算:

        (1)

        (2)

        像素點(diǎn)的實(shí)際坐標(biāo)為(i+Δi,j+Δj)。在式(1)和式(2)中偏移量的計(jì)算也依據(jù)了紙幣旋轉(zhuǎn)的角度,所以,在局部區(qū)域中特征提取對(duì)旋轉(zhuǎn)時(shí)是不敏感的。

        2 實(shí)驗(yàn)結(jié)果

        對(duì)人民幣、歐元和美元三種紙幣使用文中提出的方法進(jìn)行特征提取和分類,分類器使用3層BP神經(jīng)網(wǎng)絡(luò)。在特征提取時(shí),紙幣邊緣點(diǎn)搜索參數(shù)步長s=6,范圍約束ε=8。紙幣局部區(qū)域垂直方向分割數(shù)量M=8,對(duì)水平方向取不同的分割數(shù)量進(jìn)行了實(shí)驗(yàn)。在不同水平方向分割數(shù)量N時(shí)的紙幣分類準(zhǔn)確率c結(jié)果如圖2所示,從圖中可以看出,隨著分割數(shù)量的增加,識(shí)別準(zhǔn)確率顯著提高。

        圖2 紙幣特征區(qū)域不同對(duì)識(shí)別效果的影響

        Fig. 2Relationship between classification reliability and feature blocks

        表1紙幣分類數(shù)據(jù)

        Table 1Classification correct rate with parameters

        對(duì)人民幣、歐元和美元三種紙幣的不同面值、面向分別采用不同的訓(xùn)練樣本數(shù)進(jìn)行特征提取和分類實(shí)驗(yàn),分類準(zhǔn)確率見表1,實(shí)驗(yàn)結(jié)果表明,文中提出的方法可以在少量訓(xùn)練樣本的情況下取得較好的效果,對(duì)人民幣、美元、歐元均有較好的適應(yīng)性,分類準(zhǔn)確率達(dá)99.9%以上。

        3 結(jié)束語

        文中提出了一種紙幣特征提取方法。該方法對(duì)紙幣的尺度、旋轉(zhuǎn)和平移變化時(shí)不敏感,實(shí)驗(yàn)結(jié)果表明,該方法的分類準(zhǔn)確率達(dá)99.9%以上,其計(jì)算復(fù)雜性較低,能夠滿足紙幣清分機(jī)實(shí)時(shí)性要求。

        [1]蓋杉, 劉鵬, 劉家鋒, 等. 基于Haar小波和模糊邏輯的紙幣圖像特征提取方法[J]. 高技術(shù)通讀, 2010, 23(11): 1149-1155.

        [2]蓋杉, 劉鵬, 劉家鋒, 等. 新的紙幣圖像特征提取方法[J]. 通信學(xué)報(bào), 2010, 31(4): 128-133.

        [3]劉春媛, 徐為. 基于二值圖像層次識(shí)別字符特征的融合算法[J]. 黑龍江科技學(xué)院學(xué)報(bào), 2007, 17(5): 403-406.

        [4]劉家鋒, 劉松波, 唐降龍. 一種實(shí)時(shí)紙幣識(shí)別方法的研究[J]. 計(jì)算機(jī)研究與發(fā)展, 2003, 43(7): 159-163.

        [5]錢剛, 丁萬山. 基于ARM及CPLD的紙幣圖像采集系統(tǒng)的設(shè)計(jì)[J]. 計(jì)算機(jī)測量與控制, 2007, 15(5): 683-685.

        [6]郭艷平, 侯鳳貞. 紙幣面值識(shí)別系統(tǒng)圖像分割技術(shù)的算法[J]. 重慶工學(xué)院學(xué)報(bào), 2008, 22(11): 124-126.

        [7]AHMADI A, OMATU S, FUJIMAKA T. Improvement of reliability in banknote classification using reject option and local PCA[J]. Information Sciences, 2004, 168: 277-293.

        [8]VERIKAS A, MALMQVIST K, BERGMAN L. Detecting and measuring rings in banknote Images[J]. Engineering Application of Artificial Intelligence, 2005, 18(7): 363-371.

        (編輯李德根)

        Method of banknote image invariant features extraction

        WANGPeng1,LIUPeng2,ZHANGChunjing1,WURui2

        (1.School of Electronics & Information Engineering, Heilongjiang University of Science & Technology, Harbin 150022, China; 2.College of Computer Science & Technology, Harbin Institute of Technology, Harbin 150001, China)

        Aimed at overcoming the variations in dimensions, rotation and translation of banknote images due to banknote movement in currency sorters, this paper proposes a features-extracting method insensitive to these variations. The method consists of achieving image preprocess by extracting the banknote edge, computing the size, and adjusting tilt; fitting the edge linear equation by using the Bayesian MAP method; and obtaining feature extraction by segmenting the banknote image intoM×Nfields , thereby eliminating the data inconsistencies. The method, marked by the classification accuracy of more than 99.9%, and the less computational complexity, could fulfill the real-time requirement of currency sorters for banknote image processing and classification.

        banknote classification; invariant feature; neural networks; image processing

        2013-04-25

        黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目(12533058)

        王朋(1976-),女,吉林省吉林人,講師,碩士,研究方向:圖像處理、模式識(shí)別,E-mail:wphit@126.com。

        10.3969/j.issn.1671-0118.2013.03.020

        TP391.43

        1671-0118(2013)03-0308-03

        A

        猜你喜歡
        紙幣特征提取邊緣
        基于Daubechies(dbN)的飛行器音頻特征提取
        電子制作(2018年19期)2018-11-14 02:37:08
        消失的紙幣
        Bagging RCSP腦電特征提取算法
        一張圖看懂邊緣計(jì)算
        猜紙幣
        猜紙幣
        讀寫算(上)(2016年9期)2016-02-27 08:45:01
        基于MED和循環(huán)域解調(diào)的多故障特征提取
        Walsh變換在滾動(dòng)軸承早期故障特征提取中的應(yīng)用
        軸承(2010年2期)2010-07-28 02:26:12
        在邊緣尋找自我
        雕塑(1999年2期)1999-06-28 05:01:42
        走在邊緣
        雕塑(1996年2期)1996-07-13 03:19:02
        精品久久人妻av中文字幕| 青青草国内视频在线观看| 亚洲精品国产av成人网| 强d乱码中文字幕熟女免费| 无码人妻精品一区二区| 少妇三级欧美久久| 国产精品一区二区三区色| 一区二区三区四区中文字幕av | 婷婷亚洲久悠悠色悠在线播放| 亚洲区在线播放| 自拍偷拍另类三级三色四色| 亚洲人成在久久综合网站| 天天综合网天天综合色| 人妻AV无码一区二区三区奥田咲| 免费av在线视频播放| 日韩少妇人妻中文字幕| 成人精品一区二区三区中文字幕| 国产精品网站夜色| 成人亚洲av网站在线看| 国产精品免费观看调教网| 免费无码毛片一区二区三区a片| av中文字幕少妇人妻| 日本高清不卡二区三区| 久久不见久久见免费视频6| 丰满的少妇xxxxx青青青| 人妻无码ΑV中文字幕久久琪琪布| 国产激情一区二区三区不卡av| 九九久久自然熟的香蕉图片| 人妻无码中文专区久久五月婷| 国产亚洲青春草在线视频| 色婷婷色丁香久久婷婷| 日日摸日日碰夜夜爽无码| 国产一区二区三区精品久久呦| 日本师生三片在线观看| 中文字幕日韩精品一区二区三区| 亚洲美腿丝袜综合一区| 国产特黄1区2区3区4区| 久久久久久人妻无码| 国产精品久久久久电影网| 国产精品国产三级国产av主| 日韩人妖视频一区二区|