人民币上的冠字号码由冠字和号码两部分组成,是中国人民银行人民币印制生产、管理控制的措施之一,也是人民币反假工作的重要内容之一,根据人民币印制生产管理的需要不断调整变化。通过“互联网+现钞货币流”,实现物联网对冠字号码云数据的智慧化管理;冠字号码大数据,为国家金融部门分析其流动方向,出台相应政策提供有价值和可靠信息;同时也是银行与客户间矛盾争端解决的重要依据。人民币鉴别仪通用技术条件(GB16999-2010)A级点验钞机技术标准中明确提到,对于可流通人民币,冠字号码识别速度大于900张每分钟,误识率小于0.03%。而国内乃至世界高端金融机具,对存在着折痕、褶皱、污渍、断点、拉斜和变形等因素,严重影响着纸币冠字号码识别的准确性;同时纸币冠字号码的实时性,也制约着金融机具鉴伪性能的提升。因此,新国标的标准,对图像的采集、芯片的处理能力、算法的实时性、算法的可靠性等,都提出了前所未有的要求。对于金融机具行业,既是挑战也是机遇。本文所有步骤基于广州康艺JBYD-HT-9000(A)智能A级点验钞机上进行试验验证,设计了基于DSP的纸币冠字号码识别方案。本文采用20M采集频率3段式CIS(Contact Image Sensor)图像传感器进行图像采集,并对所采集的图像进行非均匀性校正,获取最真实反映纸币原始信息的图像。根据纸币的面额面向等信息,获取到冠字号码图像区域,根据纸币冠字号码本身特点,计算出直方图门限值,然后进行二值化处理,针对二值化后图像的特性,采用横纵向投影相结合分割法。大量的试验结果证明该分割法简单、快捷、有效,完全符合实时性与可靠性要求。其次,根据整张纸币的倾斜角度,通过二次线性插值法对单个字符进行倾斜校正,最后进行归一化处理,得出的结果进入后续识别。本课题主要解决的难点有:污损的滤除和冠字号码的识别。污损滤除:对于可流通性人民币,折痕、褶皱和污渍等离散性情况的客观存在,直接影响后续识别难度和识别准确性。为解决传统图像滤波对目标图像噪声抑制效果不理想的问题,文设计提出了2种针对纸币字符图像滤波的方法,包括8临域滤波法和二值化图像边沿投影滤波法。并通过康艺不同机型进行方法实践验证,得出大量的实践数据,结果表明:通过本文的滤波后,识别率都有不同程度提升,都比较理想,达到预期的效果,体现出很高的性价比。冠字号码识别:相比较于模板匹配法、神经网络法、基于向量机法、遗传算法;基于字符多形态(二值化图像、灰度图像、基于骨架等)轮廓信息与形状特征,加权融合判决的字符识别,有着以上几种识别算法无可比拟的优势,无需大量收集各种状态(正常状态、拉斜状态、各种歪曲变形状态、污损状态等)下的样本;无需进行大量训练;无需建立学习模型;算法复杂度低,方便后续维护;实时性高。大量测试数据说明,该方法稳定可靠,识别率高,开发周期短。本文完成的纸币冠字号码实时识别系统,通过实验室和企业内部IQC检测,得出结果:无污损纸币冠字号码在20台样机,每台样机点钞不低于5万张,识别率均高于99.97%,高于新国标标准;对于污损纸币冠字号码在20台样机,每台样机点钞不低于2万张,识别均在85%以上。且该识别系统通过了广东省电子部第五研究所关于A级点验钞机冠字号码标准的认证。数据证明该套识别系统有一定的稳定性和可靠性,实时性强,识别率高。本文的相关研究方法给车牌号码识别和货车车厢号码识别等领域提供参考价值。