基于DM642和直推式支持向量機(jī)的紙幣圖像識(shí)別研究.pdf

1、隨著經(jīng)濟(jì)的迅速發(fā)展，紙幣的流通量變得越來(lái)越大。繁多的紙幣種類(lèi)及龐大的流通量對(duì)紙幣處理的機(jī)具提出了更高的要求。2011年國(guó)家頒布實(shí)施了《人民幣鑒別儀通用技術(shù)條件》。新國(guó)標(biāo)要求A類(lèi)標(biāo)準(zhǔn)的點(diǎn)鈔機(jī)要具備9種以上的檢測(cè)技術(shù)，對(duì)紙幣圖像分析鑒別技術(shù)提出了明確的要求，必須具備紫外、白光以及紅外圖像的分析鑒別技術(shù)。此外，國(guó)內(nèi)對(duì)高性能的清分機(jī)的需求也越來(lái)越迫切。本文針對(duì)新國(guó)標(biāo)及清分機(jī)對(duì)紙幣圖像的要求，改進(jìn)了紙幣圖像的處理識(shí)別算法，采用了省時(shí)的硬件數(shù)據(jù)傳送

2、模式，研究了紙幣圖像識(shí)別中實(shí)時(shí)性和準(zhǔn)確性的問(wèn)題。
　　首先，本文研究了紙幣圖像的預(yù)處理算法，包括亮度補(bǔ)償、邊緣檢測(cè)、幾何校正、提取圖像等幾部分內(nèi)容。在預(yù)處理算法中采用了快速邊緣檢測(cè)算法，縮短了預(yù)處理的時(shí)間;將雙線性插值應(yīng)用于圖像的幾何校正，改善了圖像的質(zhì)量;最后通過(guò)圖像投影的平均灰度值進(jìn)行了準(zhǔn)確的定位，分離出紙幣圖像。
　　其次，本文提出了一種改進(jìn)的紙幣圖像特征提取方法，以特征區(qū)域紋理的二階統(tǒng)計(jì)量作為圖像的特征，再與網(wǎng)格法相

3、結(jié)合，縮小了灰度共生矩陣的窗口，提高了圖像的抗干擾性，得到每個(gè)網(wǎng)格內(nèi)圖像的紋理特征。這種方法提取的特征具有很好的推廣能力。
　　然后，識(shí)別算法采用改進(jìn)的直推式支持向量機(jī)對(duì)紙幣圖像進(jìn)行分類(lèi)識(shí)別，該種算法不但減小了人工標(biāo)注大量樣本的手動(dòng)操作量，縮短了直推式支持向量機(jī)的訓(xùn)練時(shí)間，而且提高了分類(lèi)的識(shí)別率。除了把紋理特征輸入支持向量機(jī)進(jìn)行訓(xùn)練、識(shí)別的方法外，本文還采用了紙幣圖像的二維模板匹配算法和一維灰度投影的模板匹配算法，但兩種方法的識(shí)別