论文部分内容阅读
摘 要：纸币图像的实时记录是造纸厂自动化工作的首要任务食物系统。采用并行控制技术的现场可编程门阵列将光电转换的功能，模拟数字转换和钞票图像数据缓冲区，根据纸质人民币图像的特点，提供实时数据和清晰的钞票图像数据，实现真假鉴别、钞票分类、残币提取、冠号提取等功能，论文对人民币序列号图像的识别与处理算法、奖惩机制下的线性传感算法和序列号特征提取的区域方法进行了研究，对图像进行了灰度改进和图像分割，并将上述方法应用于具有CIS传感器的纸张涂布图像处理系统中这个实验结果表明，该方法具有较高的识别精度和较理想的自动选纸排序效果。
关键词：图像处理;纸币清分;序列号识别;线性感知算法;CIS传感器
近年来，计算机技术、模式识别和先进的检测技术等也在纸币鉴别中被广泛应用，但纸币清分机领域的研究与国外相比，国内还处于起步阶段，目前，国外的纸币清分机大多采用神经网络算法，该算法在纸币识别中的应用相对成熟，然而，国内在图像处理技术方面的算法研究相对落后，比如神经网络、模糊模式识别等复杂算法在实际应用中比较困难，因此国内的纸币清分机清分速度低、稳定性差，在纸币清分中存在挑残能力弱，在纸币新旧程度、面向、方位分类中存在不一致性等显著缺陷，针对上述问题，本文提出了基于图像处理技术的纸币自动清分算法。
一、纸币清分的图像处理方法
（一） 图像灰度直方图方法
通过新旧两种人民币图形直方图的差别进行分析，新旧人民币的灰度分布有着明显的差别，其灰度值都会稍高，灰度值一般都会大于150（对8 位256 个灰度级别），通过分析灰度数据分布状况，对局部像素点灰度值对比度进行增强化处理，以获得有效的灰度直方图。
Pr（r）为最初图像的灰度值概率密度函数，Ps（z）为变换后的灰度值概率密度函数，使用上述方法进行处理时，需同时符合3 个条件：
（二）纸币编号的处理
该装置通过鉴别纸币的面值及编号实现对纸币的清分和序列号的鉴别。
首先，由磁性传感器对纸币鉴别面向，通过研究可以发现纸币的编号在纸币的左下角，我们就以纸币左下角为原点建立坐标系，取纸币高H，长L，这样可以得到纸币的编号大约在纸币水平方向左边大约23/100 L 处，垂直方向位于纸币下边1/3 H 处，通过图像增强技术对位于纸币左下角的序列号区域P0 进行处理，因为其不大，像素低，我们可以从以下两方面对P0 进行图像增强处理：一是灰度修正增强编号位置，二是略去图像的边缘像素点以增强图像。
1. 编号的灰度修正
关键部分在于鉴别纸币新旧，國内外对于纸币新旧识别的方法一般有：夺声识别法;夺透光率识别法，由于上述方法识别率较低，图像识别法被广泛应用于纸币清分机.针对此现状，根据P0 区域的灰度分布规律设置不同的灰度变换域值对P0 区域进行纠正，从而达到图像增强的目的。
2. 序列号模块的噪声处理
图像中的噪声处理效果对图像处理至关重要，通常状况下，均值滤波后会失去图像的部分有效信息，从而会造成图像处理的失真，而采用非线性平滑的方法可以有效地消除孤立的噪声，对图像的处理影响很小，但其不能有效地处理图像的边缘信息。
本文对均值滤波进行改进，其思想是保持边缘灰度不变，对非边缘信息进行平滑处理，改进后的均值滤波如下：
1）对原图进行部分均值滤波。
2）对原图进行拉普拉斯变换。
3）图像信息进行二值化，关键是选取二值化中的阈值，采用与阀值比较的方法选取.如果阈值选取较大，则很多的目标点就被略去;阈值选取较小，就会出现相反的现象，通过反复试验可知，一般阀值比较法选取出来的阈值比较有保障，下式为图像的灰度范围：
4）将所有采样输入不断执行步骤（1），直到得到需要的权值矩阵W（k）。
采集足够多符合要求的样本对权值矩阵W（k）进行训练，并将其固化到ROM，这样不仅缩短了识别时间，而且提高了系统识别实时性。
（二）人民币序列号识别
基于上文表述的纸币识别理论和识别方法，本文设计开发了基于MATLAB 语言的人民币序列号识别系统，整个系统由纸币图像读入、纸币图像处理和纸币序列号识别3 个模块组成。
1）序列号部分的提取
在上文中提到纸币图像方位的判别是由硬件电路来实现的，因此在进行系统读入时，我们认为纸币图像是经过倾斜校正和方位识别后的.基于人民币序列号的分布特点，我们在进行MATLAB 语句设计时，将包含序列号部分区域P0 提取出来，然后对该区域进行相应处理。
》fl= f（wide*2/3：wide*14/15，l：height*2/7）;%点击“序列号提取’按钮提取特征字符，获取序列号图像模块。
2）纸币图像的处理
对序列号特征区域P0 进行图像处理，处理过程包括灰度修正、二值化、去除噪声（边缘噪声和孤立点噪声）和取反等。
结论
通过对纸币清分系统编号鉴别的研究和对图像进行二值化处理，我们将纸币图像进行了倾斜纠正，提取了局部特征，对其进行灰度增强和图像分割，并对图像分割的效果选用基于“奖惩”机制的线性传感器算法来鉴别，最后，将上述方法在真正的纸币清分系统上进行了反复的试验、学习，这种应用于纸币清分系统的纸币图像处理与识别的算法还可以应用到微型控制系统，图像处理效果较好，人民币序列号识别准确，率很高，获得了理想的处理效果。
参考文献：
[1]彭昌辉. ATM 机纸币图像采集系统设计[D].广州大学，2019.
[2]熊琛. 越南盾多光谱图像识别技术研究[D].华中科技大学，2019.
作者简介：
倪林安（1972-）男，汉族，单位：浙江然鹏电子有限公司
关键词：图像处理;纸币清分;序列号识别;线性感知算法;CIS传感器
近年来，计算机技术、模式识别和先进的检测技术等也在纸币鉴别中被广泛应用，但纸币清分机领域的研究与国外相比，国内还处于起步阶段，目前，国外的纸币清分机大多采用神经网络算法，该算法在纸币识别中的应用相对成熟，然而，国内在图像处理技术方面的算法研究相对落后，比如神经网络、模糊模式识别等复杂算法在实际应用中比较困难，因此国内的纸币清分机清分速度低、稳定性差，在纸币清分中存在挑残能力弱，在纸币新旧程度、面向、方位分类中存在不一致性等显著缺陷，针对上述问题，本文提出了基于图像处理技术的纸币自动清分算法。
一、纸币清分的图像处理方法
（一） 图像灰度直方图方法
通过新旧两种人民币图形直方图的差别进行分析，新旧人民币的灰度分布有着明显的差别，其灰度值都会稍高，灰度值一般都会大于150（对8 位256 个灰度级别），通过分析灰度数据分布状况，对局部像素点灰度值对比度进行增强化处理，以获得有效的灰度直方图。
Pr（r）为最初图像的灰度值概率密度函数，Ps（z）为变换后的灰度值概率密度函数，使用上述方法进行处理时，需同时符合3 个条件：
（二）纸币编号的处理
该装置通过鉴别纸币的面值及编号实现对纸币的清分和序列号的鉴别。
首先，由磁性传感器对纸币鉴别面向，通过研究可以发现纸币的编号在纸币的左下角，我们就以纸币左下角为原点建立坐标系，取纸币高H，长L，这样可以得到纸币的编号大约在纸币水平方向左边大约23/100 L 处，垂直方向位于纸币下边1/3 H 处，通过图像增强技术对位于纸币左下角的序列号区域P0 进行处理，因为其不大，像素低，我们可以从以下两方面对P0 进行图像增强处理：一是灰度修正增强编号位置，二是略去图像的边缘像素点以增强图像。
1. 编号的灰度修正
关键部分在于鉴别纸币新旧，國内外对于纸币新旧识别的方法一般有：夺声识别法;夺透光率识别法，由于上述方法识别率较低，图像识别法被广泛应用于纸币清分机.针对此现状，根据P0 区域的灰度分布规律设置不同的灰度变换域值对P0 区域进行纠正，从而达到图像增强的目的。
2. 序列号模块的噪声处理
图像中的噪声处理效果对图像处理至关重要，通常状况下，均值滤波后会失去图像的部分有效信息，从而会造成图像处理的失真，而采用非线性平滑的方法可以有效地消除孤立的噪声，对图像的处理影响很小，但其不能有效地处理图像的边缘信息。
本文对均值滤波进行改进，其思想是保持边缘灰度不变，对非边缘信息进行平滑处理，改进后的均值滤波如下：
1）对原图进行部分均值滤波。
2）对原图进行拉普拉斯变换。
3）图像信息进行二值化，关键是选取二值化中的阈值，采用与阀值比较的方法选取.如果阈值选取较大，则很多的目标点就被略去;阈值选取较小，就会出现相反的现象，通过反复试验可知，一般阀值比较法选取出来的阈值比较有保障，下式为图像的灰度范围：
4）将所有采样输入不断执行步骤（1），直到得到需要的权值矩阵W（k）。
采集足够多符合要求的样本对权值矩阵W（k）进行训练，并将其固化到ROM，这样不仅缩短了识别时间，而且提高了系统识别实时性。
（二）人民币序列号识别
基于上文表述的纸币识别理论和识别方法，本文设计开发了基于MATLAB 语言的人民币序列号识别系统，整个系统由纸币图像读入、纸币图像处理和纸币序列号识别3 个模块组成。
1）序列号部分的提取
在上文中提到纸币图像方位的判别是由硬件电路来实现的，因此在进行系统读入时，我们认为纸币图像是经过倾斜校正和方位识别后的.基于人民币序列号的分布特点，我们在进行MATLAB 语句设计时，将包含序列号部分区域P0 提取出来，然后对该区域进行相应处理。
》fl= f（wide*2/3：wide*14/15，l：height*2/7）;%点击“序列号提取’按钮提取特征字符，获取序列号图像模块。
2）纸币图像的处理
对序列号特征区域P0 进行图像处理，处理过程包括灰度修正、二值化、去除噪声（边缘噪声和孤立点噪声）和取反等。
结论
通过对纸币清分系统编号鉴别的研究和对图像进行二值化处理，我们将纸币图像进行了倾斜纠正，提取了局部特征，对其进行灰度增强和图像分割，并对图像分割的效果选用基于“奖惩”机制的线性传感器算法来鉴别，最后，将上述方法在真正的纸币清分系统上进行了反复的试验、学习，这种应用于纸币清分系统的纸币图像处理与识别的算法还可以应用到微型控制系统，图像处理效果较好，人民币序列号识别准确，率很高，获得了理想的处理效果。
参考文献：
[1]彭昌辉. ATM 机纸币图像采集系统设计[D].广州大学，2019.
[2]熊琛. 越南盾多光谱图像识别技术研究[D].华中科技大学，2019.
作者简介：
倪林安（1972-）男，汉族，单位：浙江然鹏电子有限公司