论文部分内容阅读
基于手机图像的人民币真伪鉴别是实现手机拍照鉴别人民币真伪的关键技术,是实现人民币真伪鉴别手机终端化的重要环节。本文以人民币手机图像为研究对象,重点研究了基于丰富纹理的图像去噪、图像校正、基于传统纹理特征的真伪鉴别和基于深度卷积特征的真伪鉴别等工作。具体内容如下:(1)建立了一个真伪人民币数据集。其中真币样本1000张,假币样本137张。在多方协助下,采集了假币原始样本137张,其中全假币50张,左真右假变造币41张,左假右真变造币45张,左真右真变造币1张。(2)设计并实现了一种基于人民币纹理分析的组合中值滤波。针对人民币纹理细节丰富的特点,将人民币图像划分为小块,对每块进行纹理分析,设计了一个量化纹理的纹理复杂因子,当图像块中纹理复杂因子较小时采用大尺寸方形中值滤波,反之则采用小尺寸线性中值滤波。实验结果表明,相比单一的传统中值滤波不仅具有较好的视觉效果,而且在PSNR和SSIM标准下也具有更优的表现。设计了基于理想直线的误差惩罚加权函数,改进了加权最小二乘直线拟合法,对比试验表明该方法能够有效地降低异常点对边缘直线拟合结果的影响。(3)设计并实现了在D-S证据理论框架下融合GLCM纹理特征和Gabor纹理特征的人民币真伪鉴别法。经对比研究选定了人民币图像的防伪区域,利用基于GLCM纹理特征提取法和基于Gabor纹理特征提取法分别对选定区域进行特征提取,然后利用LIBSVM中带RBF核的SVM进行分类,实验结果表明,基于单特征的真伪识别效果欠佳。利用D-S证据理论融合这两种特征,对人民币进行真伪鉴别,对比实验表明,基于D-S多特征融合鉴别法可以有效提升基于单特征鉴别法的识别率,降低其误识率和拒识率。(4)设计并实现了基于VGG-19卷积神经网络的人民币真伪鉴别。使用VGG-19卷积神经网络对人民币特征区域进行特征提取,设计了两个1 X 1卷积层取代全连接层对提取的特征进行融合降维,最后使用LIBSVM中带RBF核的SVM进行分类,实现人民币真伪鉴别。实验对比基于传统特征的真伪鉴别方法,基于卷积神经网络的真伪识别方法不仅具有更高的准确率,而且对于特征区域发生平移等具有更好的容错能力,具有更佳的泛化能力。