一种基于特征结构的纸币号码识别方法

为了准确识别纸币号码,对纸币号码图像识别算法进行了研究。在去除噪声、放大、二值化、定位等基础上,利用字符结构特征的识别方法进行纸币号码识别,给出了上交点类字符树形分类方法,并通过MATLAB进行仿真实验。结果表明,所提出的算法具有良好的稳定性,识别率大于95%。     

纸币号码识别技术研究

本文主要研究了号码图像的预处理方法,包括有号码图像粗定位、图像的二值化、噪声去除等,并以实验分析为基础,经过对模板匹配算法与特征分析算法的研究比较,提出一套具有低时间开销和高识别率的号码字符的综合识别算法。     

基于图像处理方法的纸币清分系统的研究与实现

纸币自动清分可以有效提高银行的工作效率,基于图像处理技术的纸币自动清分系统的识别准确率对于纸币自动清分系统非常关键.基于机器视觉知识与模式识别的理论,并结合纸质人民币的图像特点,提出了纸质人民币序列号图像识别处理算法、"奖惩"机制下的线性传感算法和序列号区域特征提取方法.对纸币图像进行倾斜校正、局部特点提取、灰度增强和图像分块等处理后,将上述方法运用于采用CIS传感器的纸币图像处理系统中.实验证明,该方法具有较高的识别准确率,取得了理想的纸币自动清分效果.     

一种纸币倾斜角度校正方法

清分机在高速采集纸币图像过程中,送入的纸币会不可避免地存在各种倾斜,导致采集的纸币图像存在不同程度倾斜.在对纸币进行识别之前,为不影响图像的识别效果,需要对采集获得的图像进行倾斜度校正预处理.本文研究一种首先利用Sobel算子找到纸币的边缘界线,再利用Hough变换方法计算出纸币边缘线倾斜角,进而完成对纸币倾斜度校正的方法.实验证明了本方法的有效性.     

基于PCA的纸币识别方法

纸币识别包括图像预处理、特征提取及分类器设计等.为减少计算量,使用了主成分分析法对图像进行降维;然后对图像识别时应用相关系数法.通过实验表明,使用主成分分析方法可以有效地减少数据,加快纸币的识别速度,保证纸币识别的正确率.     

纸币CIS图像模糊增强与边界检测

根据纸币CIS图像特点,先采用模糊集理论对纸币进行初次增强,提高目标区域对比度,然后扫描纸币边缘像素,采用最小二乘法拟合得到纸币亚像素边缘,拟合过程中,采用误差阈值法剔除噪声点,根据边缘角度对纸币进行倾斜校正并提取纸币区域,最后对提取后图像再一次进行模糊增强。实验表明,该方法通用性好,能有效地提高图像特征区域的对比度,在边缘磨损和缺角等情况下都能有效地提取纸币区域,并且增强后的图像有利于后续的纸币识别。     

基于Hough变换的改进的纸币倾斜校正方法

纸币清分机采集图像是在纸币快速进纸过程的情况下实现,不可避免的会发生倾斜,这为后续的图像分割和识别带来了困难。针对图像中纸币边缘检测结果通常断裂为若干直线段的现象,本文提出了一种基于Hough变换的改进倾斜矫正算法,能够较准确地检测到图像的倾斜角度,从而实现纸币图像的倾斜矫正。     

一种基于视觉的库区可疑目标识别算法研究

针对库区巡检图像采集设备对图像目标智能识别需求,进行基于视觉的远距离可疑目标识别算法设计与实现. 采用目标检测算法对图像进行目标识别并采集,通过基于卷积神经网络的深度学习模型卷积层对目标图像提取特征,采用基于机器学习传统方法的浅层网络对特征进行可疑目标分类. 根据算法设计实验,实验结果表明本算法模型识别效果良好,可有效减少人工识别工作量,能满足实际应用需要要求.      

基于 Sobel算子与旋转投影的纸币图像倾斜校正法

纸币图像的倾斜会严重影响其中字符识别的精度,为此,需要在字符识别前对纸币图像进行倾斜校正。采用Sobel算子和旋转投影来进行纸币图像的倾斜校正。首先使用Sobel算子和旋转投影来获取倾斜纸币图像的倾斜角度,然后采用双线性插值对纸币图像进行水平旋转校正和垂直错位偏移校正。同时,综合考虑了实际情况和校正的实时性,并规定水平倾斜角和垂直倾斜角都不大于10°。从实验结果来看此方法校正效果较为明显。     

基于分类器的身份证号码识别研究

目前,许多场合下需要进行身份证自动识别,因此准确识别身份证号码是一个有待重点研究的问题。本论文利用分类器进行识别身份证号码,将从两部分介绍身份证号码分类识别方法,第一部分是解释分类器(距离分类器、最小类间距分类器与最大后验概率分类器)的分类公式。第二部分是对图像首先进行主成份分析(PCA)方法进行特征降维,再运用分类器识别身份证号码图像。通过实验结果证明,身份证号码图像经过PCA特征降维后,分类器可以获得很好的分类效果。     

结合Prewitt算子和旋转投影的纸币图像倾斜校正法

纸币图像的倾斜会严重影响其中字符识别的精度,为此需要在字符识别前对纸币图像进行倾斜校正.基于Prewitt算子和旋转投影提出一种新的纸币图像倾斜校正法.该方法采用水平边缘检测、垂直边缘检测以及旋转投影求取纸币图像的水平倾斜角度和垂直倾斜角度,然后对水平倾斜的纸币图像进行双线性插值旋转校正,对垂直倾斜的纸币图像进行双线性插值错位偏移校正.另外,考虑到实际应用中获取的纸币图像的倾斜情况,为保证方法的实时性,水平倾斜角和垂直倾斜角均限定在10°以内.校正结果表明此方法效果较为有效.     

钞票纸张的两级搜索定位法

为了消除传输纸机的机械传动部分存在偏差而引起的钞票纸大张图像在空间位置上的偏移,以及因生产工艺波动而导致钞票纸的防伪特征区在大张图像中空间位置的波动,提出一种在钞票图像检测之前对大张图像和防伪特征区进行两级搜索定位的方法。该方法首先使用差平方和法对采集的大张图像四边进行搜索定位,然后针对不同的防伪特征区分别采用改进的快速相关函数法和基于核的直方图统计法进行搜索定位。实验结果表明该方法能够为后续的检测提供高效、精准、高质量的检测条件。     

基于一致增强异性扩散模型的钞票图像恢复方法*

本文提出一种基于偏微分方程的钞票图像恢复方法。通过分析常用的几种基于偏微分方程（PDE）的图像恢复模型,结合赃污钞票图像特点,最后选择一致增强异性扩散模型,并提出了一种该模型的数值解法对脏污钞票图像进行修复。实验结果表明,用这种模型可以对钞票图像的平滑区域和边缘细节均有比较好的修复能力。     

一种纸币图像特征提取方法

针对纸币在清分机中运动时,图像发生尺寸、旋转和平移的现象,提出一种对尺寸、旋转和平移运动不敏感的特征提取方法。该方法通过纸币边缘提取、尺寸计算及倾斜校正预处理,采用贝叶斯最大后验概率法拟合边缘,将所确定的图像区域等分为M×N个单元,提取其特征,消除数据的不一致性,纸币分类的准确率达99.9%以上。该方法计算复杂性低,能够满足纸币清分机对图像处理和分类的实时性要求。     

基于小生境人工蜂群算法的字符边缘图像提取

利用小生境技术增强算法对局部最优解的辨识能力和集聚能力, 改善人工蜂群算法的局部搜索能力及提高侦查蜂快速搜索全局最优值的特性, 提出一种基于小生境技术的人工蜂群算法, 并应用于提取转向架轮对轴端字符图像的边缘, 改善了字符边缘图像识别运算量大导致的识别速度慢、 识别效果差的缺点. 采用邻域灰度梯度值作为算法的适应度函数值, 利用小生境半径保持种群多样性, 以提高字符局部搜索能力, 最终获得了较高质量的字符图像边缘. 实验测试结果表明, 应用小生境算法后局部字符边缘点数量可增加1.66倍.     

基于纹理特征优化LPQ的手背静脉提取方法

针对传统LPQ( Local Phase Quantization) 特征提取算法在提取手背静脉图像时存在提取细节特征不完整的问题,依据静脉纹理图像的特点将区域划分为子块分别进行LPQ 特征提取。首先,将手背静脉纹理图像分成9 个大小相等的子图像; 然后,分别采用LPQ 特征提取算法对手背静脉进行特征提取,将各子区域提取的静脉纹理信息进行整合形成整张静脉图像的向量特征,最后,使用最近邻分类器将样本进行分类实验,实验结果表明,在分块数为4 × 4 时获得最高识别率96． 50%。     

基于环绕数约束模型的轮廓识别算法研究

为了解决当前图像轮廓识别算法中由于区域标记和轮廓标记性质不同,导致难以将多标记融合识别技术应用于图像轮廓识别中的问题,本文提出了一种基于环绕数约束的能量最小化模型,用以精确识别目标轮廓.在这种模型中,区域标记(如颜色和纹理均匀性)和轮廓标记(如局部对比度和连续性)通过一个目标函数进行描述,实现多标记融合识别.首先,将环绕数作为约束,将其引入到能量最小化模型中,得到区域标记与轮廓标记的线性约束;然后,对区域标记、轮廓标记以及曲率标记进行融合,实现对图像中目标轮廓的识别;最后,将能量最小化模型与标记相结合,通过比率能量函数对算法进行实例应用分析,验证算法的有效性.实验结果表明:与传统轮廓识别算法相比,所提算法具有更高的轮廓识别精度.     

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,  提出一种基于小波变换和改进PCA的混合特征提取算法. 该方法首先对人脸图像进行小波分解, 选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取, 获得代表人脸特征的特征向量; 最后将该算法应用于Olivetti Faces人脸库数据集的图像分类. 实验结果表明, 经过该混合算法处理后的图像特征数据, 由卷积神经网络(CNN)算法分类识别时准确率提升10%, 识别速度提高约37%.