美元紙幣號(hào)碼識(shí)別方法的研究.pdf

1、紙幣上的編碼是紙幣的重要特征之一，其不僅是印刷數(shù)量的標(biāo)識(shí)，而且在統(tǒng)計(jì)貨幣流通量，貨幣管理等方面也具有重要作用。每張紙幣編碼沒有重復(fù)，因此可以用來標(biāo)識(shí)紙幣的身份；紙幣上的幣值號(hào)碼表示紙幣所代的貨幣價(jià)值。本文將紙幣上的編碼和幣值號(hào)碼統(tǒng)稱為號(hào)碼，利用計(jì)算機(jī)視覺技術(shù)開發(fā)一種智能紙幣號(hào)碼識(shí)別系統(tǒng)，自動(dòng)識(shí)別紙幣上的號(hào)碼，就可以有效地實(shí)現(xiàn)對(duì)紙幣的管理，具有廣泛的應(yīng)用價(jià)值。本文完成了一套紙幣號(hào)碼采集識(shí)別系統(tǒng)的設(shè)計(jì)與研制，包括圖像分割、定位、識(shí)別算法，用

2、C++Builder6和Matlab7.0.1語言編寫了號(hào)碼識(shí)別程序，建立了可運(yùn)行的紙幣號(hào)碼識(shí)別系統(tǒng)。 本文通過CIS傳感器進(jìn)行圖像采集，在圖像預(yù)處理階段，考慮到在實(shí)際應(yīng)用中對(duì)識(shí)別的實(shí)時(shí)性要求很高，要求每一張紙幣的所有識(shí)別過程必須在很短的時(shí)間內(nèi)完成(實(shí)際系統(tǒng)要求30ms以內(nèi))，因此放棄了諸如二值化、邊緣檢測等常規(guī)圖像處理方法，而直接采用分段線性擬合的方法確定圖像中紙幣的四個(gè)邊界，以完成紙幣的定位和傾斜矯正。由于采集到的號(hào)碼圖像存

3、在多種噪聲，通過均值濾波和中值濾波等去噪聲算法的對(duì)比和實(shí)驗(yàn)，選取了以中值濾波為主，高斯濾波輔助的方法去除噪聲。 由于神經(jīng)網(wǎng)絡(luò)其固有的自組織、自適應(yīng)、和容錯(cuò)性，只須重新訓(xùn)練就可以完成對(duì)新類別的正確識(shí)別，因此本文確定神經(jīng)網(wǎng)絡(luò)分類器作為分類器的首選加以研究和應(yīng)用。本文在實(shí)際應(yīng)用中引入了改進(jìn)的BP網(wǎng)分類器對(duì)待識(shí)別的紙幣樣本做自組織特征映射，實(shí)現(xiàn)特征訓(xùn)練和匹配。實(shí)驗(yàn)表明，本文提出的算法能夠滿足識(shí)別的實(shí)時(shí)性要求，且較好的保證了識(shí)別率和穩(wěn)定性

4、。 在號(hào)碼識(shí)別階段，本文提出了在水平方向采用投影的方法進(jìn)行定位，垂直方向采用改進(jìn)的基于穿越號(hào)碼體距離的方法進(jìn)行垂直定位的方法，避免了雙峰或多峰的干擾，定位號(hào)碼準(zhǔn)確。此方法處理速度快，識(shí)別紙幣號(hào)碼準(zhǔn)確率高。 識(shí)別算法中除了采用神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別外，還嘗試了模板匹配的方法。傳統(tǒng)的二維模板匹配雖然實(shí)現(xiàn)簡單，但計(jì)算量十分龐大，花費(fèi)時(shí)間太長。針對(duì)此情況提出了采用一維灰度投影的模板匹配方法。實(shí)驗(yàn)結(jié)果表明，后者在保證了匹配準(zhǔn)確率略高的前