论文部分内容阅读
冠字号码,是指人民币上的一串英文和阿拉伯数字组合字符,一张纸币只有一个唯一的编号,它是我国人民币的特殊身份标识。假币的仿造现象自始以来从未间断,防伪技术虽也未间断,但偶尔一些市民仍能从取款机(Automatic Teller Machine,ATM)里取出假钞,为了防止不法分子造出更多的假钞,纸币冠字号的识别技术变得越来越迫切,而且是一个值得不断深入研究下去的课题。本文研究的人民币冠字号码识别技术是基于ATM机系统的,针对纸币独有的特征,运用图像处理技术,结合光学字符识别理论,建立了一套基于冠字号码字符的识别方法,主要内容如下。1、图像采集。本文将采用接触式图像传感器(Contact Image Sensor,CIS)进行图像采集,并对采集到的图像进行去噪处理。通过分析噪声产生的原因,选择均值滤波和中值滤波两种滤波方法对图像滤波,实验结果表明,对于纸币图像,中值滤波法的去噪效果最好。2、图像处理。将去噪后的图像进行一系列算法处理,为节约时间提高效率,采用局部阈值法将图像二值化,基于纸币的特殊性,采用先验知识对冠字号区域定位,然后采用Hough变换对图像倾斜校正,并采用投影法实现字符的分割,最后通过线性归一化方法完成字符的大小归一化。3、特征提取。通过分析其结构特征和统计特征,采用基于八方向的特征提取方法,提取了字符的梯度特征,并将数据保存下来,方便下一章识别时使用。4、字符识别。介绍并分析了一些识别算法,如模板匹配识别法、基于网格八方向的梯度特征法、近邻法、传统支持向量机法(Support Vector Machine,SVM)等,对其分别进行理论或实验结果的对比分析,最后提出了一种改进的并行处理SVM识别算法,对冠字号进行识别,实验结果表明,该算法不仅能满足ATM机系统对识别实时性的要求,而且识别准确率也很高,可以满足工业检测的需要。本论文通过以上内容的研究,选取了适合ATM机系统图像采集的图像传感器,对噪声做了有效的去除,通过一系列图像处理算法,使冠字号分成了单个字符,并提取了字符的有效特征,为字符识别提供了有效数据,最终在并行处理SVM识别模型下,实现了在保证系统实时性的前提下,使得纸币冠字号字符的识别率高达97%以上,能够满足识别需求。