纸币图像特征提取与识别算法研究毕业论文Word格式.doc
《纸币图像特征提取与识别算法研究毕业论文Word格式.doc》由会员分享，可在线阅读，更多相关《纸币图像特征提取与识别算法研究毕业论文Word格式.doc（53页珍藏版）》请在冰点文库上搜索。
技术指标：
对100元、50元和1元三种现行纸币的序列号和面值识别。
4.设计的基本要求及进度安排（含起始时间、设计地点）：
设计工作从3月1日开始。
整个设计在校内完成。
具体工作进度如下：
第1-3周：
查找数字图像处理和识别技术等相关资料，熟悉课题，确制定设计方案；
第4-5周：
采集纸币图像；
第6-13周：
完成对纸币序列号的识别和纸币的面值识别；
第14-15周：
优化MATLAB软件编制的程序；
第16-17周：
整理资料，撰写毕业论文；
第18周：
毕业答辩。
5.毕业设计（论文）的工作量要求不少于1.5万字的毕业论文
①实验（时数）*或实习（天数）：
不少于50机时的上机
②图纸（幅面和张数）*：
③其他要求：
完成不少于3000汉字的英文翻译
指导教师签名：
年月日
学生签名：
系（教研室）主任审批：
说明：
1本表一式二份，一份由学生装订入附件册，一份教师自留。
2带*项可根据学科特点选填。
目录
摘要 I
Abstract II
1绪论 1
1.1课题研究的意义 1
1.2课题研究的背景 1
1.3国内外研究现状 1
1.4论文研究的主要内容及方法 2
2基于纸币面值的特征提取和算法研究 4
2.1纸币面值识别算法的简述 4
2.2纸币面值的图像处理及算法原理 4
2.3小结 6
3基于纸币序列号的特征提取和算法研究 7
3.1纸币序列号识别算法的简述 7
3.2纸币序列号的粗略截取 7
3.2.1图像粗略定位 7
3.2.2图像的灰度化 8
3.2.3图像的边缘检测 9
3.2.4图像的闭运算 11
3.2.5图像的形态滤波 12
3.3纸币序列号字符的精确提取 15
3.3.1纸币序列号字符串精确分割 15
3.3.2纸币序列号字符的二值化 16
3.3.3纸币序列号的提取 18
3.3.4纸币序列号的分割和归一化 18
3.4序列号字符识别 20
3.4.1字符识别的分类 20
3.4.2基于模板匹配的字符识别 21
3.4.3字符识别的步骤 21
3.4.4序列号识别结果及分析 22
4不同纸币的实验结果及分析 23
4.1不同纸币的面值识别实验结果及分析 23
4.2不同纸币的序列号识别实验结果及分析 24
4.3小结 25
5总结 27
参考文献 28
致谢 30
毕业设计（论文）知识产权声明 31
毕业设计（论文）独创性声明 32
附录1主程序 33
附录2外文原文及翻译 37
纸币图像特征提取与识别算法研究
摘要
随着我国经济文化、贸易的迅速发展，许许多多的行业和领域变的越来越信息化和自动化。
而纸币是当今金融行业的血液，是当今世界不可或缺的要素。
大到国家银行，小到宿舍自动售货机，都在对不同面值纸币进行识别。
银行业务的全面自动化将是银行业发展的必然趋势，所以纸币面值以及序列号的识别，显得十分重要，尤其是在这个信息化的时代。
因此对纸币图像特征提取与识别算法进行研究有着十分重要的意义和实用性。
本文研究的内容主要是基于纸币序列号和面值的特征提取和算法研究。
在参考了目前国内外相关的图像处理方法和技术的同时，又研究了图像的预处理、图像分割、图像识别等方面的知识和算法的基础上，经过整理，提炼和加工，提出用主色调法来识别纸币面值，用模版匹配法来识别纸币序列号。
本文以目前流通的第五版人民币，作为识别研究样本图像，经过扫描仪扫描出图像。
在纸币图像特征提取后，采用了主色调法和模板匹配法对纸币进行识别，具有移植性好、普适性高、算法简单、识别速度快、识别率较高等优点。
关键词：
纸币识别；
特征提取；
图像处理；
模版匹配
ResearchBanknoteImageFeatureExtractionandRecognitionAlgorithm
Abstract
Withtherapiddevelopmentofeconomy,cultureandtrade,manyindustriesandfieldsarebecomingmoreandmoreinformationandautomation.Thepapermoneyisthebloodofthefinancialindustry,isanindispensableelementoftheworld.LargetotheNationalBank,smalltotheautomaticvendingmachine,allofthedifferentfacevalueofpapermoneyrecognition.Thefullautomationofthebankingbusinesswillbetheinevitabletrendofthedevelopmentofthebankingindustry,sotherecognitionofthefacevalueandsequencenumberisveryimportant,especiallyinthiseraofinformation.Soitisveryimportantandpracticaltostudythefeatureextractionandrecognitionalgorithmofthenote.
Themaincontentofthispaperisbasedonthefeatureextractionandalgorithmoftheserialnumberandthefacevalueofthenote.Inreferencetothecurrentdomesticandforeignrelatedimageprocessingtechniquesandatthesametime,thebasisofknowledgeandmethodsofimagepreprocessing,imagesegmentation,imagerecognitionandsoon,afterfinishing,refiningandprocessing,putforwardwiththemaintonemethodtoidentifythedenomination,templatematchingmethodisusedtoidentifythesequencenumberofpapercurrency.
Inthispaper,thecurrentcirculationofthefifthversionoftherenminbi,astheidentificationofthesampleimage,afterascanofthescanner.Banknoteimagefeatureextraction,themaintonemethodandtemplatematchingmethodtorecognizethenotes,hasagoodportability,universalityhigh,algorithmissimple,fastrecognitionspeed,recognitionrateishigh.
Keywords：
banknoteimagetoidentify;
haractersegment;
templatematching;
imageprocessing
I
1绪论
1.1课题研究的意义
人民币是我国的法定货币，不同面值人民币有不同的价值，而每一个序列号都对应一张纸币，所以说序列号是纸币的身份，纸币的面值更是决定纸币的使用价值。
纸币的面值和序列号是纸币的两大身份要素。
为了预防国内假钞流通使用，扰乱正常纸币使用秩序，银行所采用的方法大多是人工抄写结合国外高档验钞机进行预防。
为了提高识别效率，人们一直希望能开发一种智能识别系统，来识别纸币的面值和序列号。
再结合互联网和信息高速公路，以协助银行及警方抑制非法纸币流通及减少刑事犯罪活动的发生。
另外，在日常生活中，大到银行的自助存取款机，小到宿舍楼自动售卖机，也需要纸币的识别功能。
因此识别纸币功能，可以说是和我们生活息息相关的。
而纸币序列号的唯一性，更是可以确保，纸币的真伪。
如果有假币被识别，对比数据库序列号的唯一性，可在第一时间截获处理。
由此可见，研究纸币特征提取和算法对于维护国家的繁荣与稳定，具有广泛的实用价值和广阔的应用前景。
所以，展开基于对纸币特征提取和算法的深入研究和应用有着十分重要的意义。
1.2课题研究的背景
当前我国市场经济，依旧在快速增长发展，上证指数上涨已突破5000点，外贸外汇不断增加，市场对货币交易的需求量也与日俱增。
同样，经济发展也促进了对纸币识别技术的提升。
人们需要在更高的准确度上和更高的质量上识别纸币。
虽然随着电子商务的兴起，人们一定比率使用电子商务交易。
但是当前中国市场流通的人民币纸币数量总量巨大，纸币仍然占据主要位置。
为了减少运营成本，大部分中小型银行目前仍会使用人工分选纸币的方法来清分现金。
因此研制出高效率、低成本、普适性高的国产纸币识别系统，仍然十分具有前景。
目前使用较为广泛的几种纸币识别方法是：
在图像处理与模式识别[1]的前提下，结合神经网络模式识别和试错法识别。
BP网络本身在实现过程中往往陷入局部最小，或者无法收敛，存在一定的缺陷。
试错法的特征提取需要人工寻找不同纸币差异来完成。
其他方法本文就不给予详细叙述。
所以在本文中，采用更为便捷的图像处理方法，来对人民币进行识别。
1.3国内外研究现状
近年来，国内外在纸币图像特征提取与识别算法研究领域取得了长足进步。
46
西安工业大学毕业设计（论文）
我国字符识别领域相比于国外，起步比较晚。
可是经研究人员的不懈研究和努力，在上世纪五、六十年代，诞生了印刷体号码字符的识别技术。
时至今日，印刷字符的识别的技术已成熟，图像识别正式研究开始于20世纪60年代。
20世纪80年代，中国研究人员在国家重点实验室研究出多种纸币识别的方法，但国产的设备在许多性能指标上还达不到要求。
1998年，光学字符识别系统（OCR），以汉王公司为代表，其产品开始面向专业领域的特定应用。
但是由于采集图像的产品需要专用的扫描仪器，所以也存在局限性。
此前，上海印钞厂与大恒图像共同推出人民币号码、荧光及水印质量在线检测系统，采用进口的高速线阵高分辨率CCD摄像机，检测精度可达0.1mm×
0.1mm。
检测号码的能力可精确分辨严重重号错误和普通错误，并及时报警。
但它主要适用于印制的新币检测，不适合普通图像采集识别。
而在国外，英国日本等发达国家纸币号码识别技术比较成熟，这些国家的产品广泛地应用于银行业务中。
国内使用的拍照识别系统虽然具备一定的识别能力，但如果出现图像模糊或污损，其识别力就会受到影响。
而国外纸币识别系统的纸币识别技术相对成熟，对纸币面额、面向的识别率已经接近100%，现阶段已进入实际应用。
1.4论文研究的主要内容及方法
本课题纸币图像特征提取与识别算法研究是基于数字图像处理的字符提取及分割和字符的模板匹配识别，主要研究内容如下：
（1）研究有关图像处理的相关知识；
（2）以现行流通纸币作为研究目标，完成对纸币序列号的识别和纸币的面
值识别；
（3）运用MATLAB软件对算法进行演示。
技术指标：
纸币面值具体识别方法如下：
纸币面值的判定是通过特征提取，提取出纸币主色调部分。
根据主色调不同，经过计算颜色特征的比值来确定区间阈值。
根据阈值的不同来区分面值。
纸币序列号具体识别方法如下：
（1）先进行图像预处理，图像预处理是纸币识别系统的必要工作。
纸币图像的预处理过程包括纸币图像灰度化、图像分割、图像的二值化等主要步骤。
本文二值化方法采用的是基于阈值分割的方法，通过合理算法，程序自行划定阈值。
然后，研究了纸币号码识别的关键算法，包括序列号的粗略定位、序列号的提取、单字符分割和字符归一化。
（2）本文根据纸币号码在整个人民币中的大致位置粗略切割出序列号；
再通过形态学滤波处理，精确的将号码字符串从图像中分割出来；
之后再将单个字符进行精确的分割；
最后对分割出来的字符进行大小归一化处理，并将其作为字
符识别的基本单位。
（3）最后，通过研究了字符识别匹配的算法[5]，本文采用的简单模板匹配法。
识别过程基本流程如图1.1所示：
序列号粗略提取
采集纸币图像
纸币图像处理
纸币面值识别
输出结果
序列号模版匹配识别
纸币序列号图像预处理
纸币序列字符精确分割
图1.1识别过程流程图
2纸币面值的特征提取和算法研究
2基于纸币面值的特征提取和算法研究
2.1纸币面值识别算法的简述
纸币面值识别是基于计算机图像处理、模式识别等技术为基础。
纸币面值识别利用三种纸币颜色R、G、B各分量的灰度值累加后，通过R的灰度值总和与G灰度值总和的比值来确定某一个范围，即R/G的值的范围。
并通过实际计算确定区间阈值，以此来区分100、50、1的面值。
2.2纸币面值的图像处理及算法原理
纸币面值的识别，本论文采用的是主色调识别法。
原始图像是在扫描仪下扫描采集的。
首先在MATLAB中读取原始图像，原图是RGB色彩模式，即通过对红（R）、绿（G）、蓝（B）三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB每个颜色都对应一个数值。
根据如图2.1所示可知：
人民币的主色调主要集中在纸币头像处。
截取出该部分。
并分别计算该部分图像的RGB三色分量总和。
以面值为100的为例，中央头像部分，面积比较大且容易提取与区分，颜色比较集中，更有利于区间阈值的选取。
所以本论文采用算法截出色调集中的部分。
截取出的图像如图2.2所示：
图2.1100元纸币原始图像
图2.2100元纸币主色调提取
图像的相应部分提取出来后，利用R、G、B的三个分量灰度值累加后的R/G比值确定某一个范围，并通过计算确定区间阈值，以此来区分100元、50元和1元纸币，主要程序代码以及相应的结果分析如下：
[h,l,g]=size（I）;
I=I（round（0.07*h）:
round（0.87*h）,round（0.6*l）:
round（0.8*l）,:
）;
figure
（2）,imshow（I）;
title（'
主色调截取'
）
I_rgb=squeeze（sum（sum（I,1）,2））;
r_g=I_rgb
（1）/I_rgb
（2）;
ifr_g>
=1.80
val_color=100;
elseifr_g<
=0.80
val_color=50;
else
val_color=1;
end
val_color
下表2.1给出的是，R、G、B各分量灰度值计算后的总和及R/G的比值。
通过表格中的数据，本文将100元、50元和1元的R/B比值阈值分别设定为：
1.8、0.8、0.9。
表2.1R、G、B各分量灰度值总和及R/G的比值
面值
各分量灰度总和
R灰度分量总和
G灰度分量总和
B灰度分量总和
R/G灰度分量总和比值
100元
17208448
9217203
10074936
1.8670
50元
8046570
10660854
7628771
0.7548
1元
7321430
8100605
5427386
0.9038
最后输出结果，由val_函数在MATLAB里显示。
算法输出的结果，识别结果如图2.4所示。
（a）（b）
（a）识别算法输出结果（b）识别结果显示
图2.4100元纸币面值识别结果
2.3小结
纸币面值的识别，除了主色调识别法。
还有常用的两种识别方法：
（1）基于中值滤波的特征部位（左下角）的特征识别法。
该方法是基于左下角区域的图案差别来区分。
100和50的分别为相应的阿拉伯数字，而1元纸币则为一定的图案。
根据实物所对应的图案位置进行计算，确定出各面值纸币所对应的位置区域，将上述三种面值纸币序列号的粗略区域取并集，以确保提取特征信息无丢失。
其次进行中值滤波降噪，然后锁定左下角的位置，二值化，将区域灰度值沿X坐标向下投影，确定图案对应的投影的左起点和终点横坐标差值即为图案的长度，以图案的长度除以提取区域的长度为特征值，设定相应的阈值，以此来辨别不同的面值。
（2）基于边缘提取的长宽比例识别。
首先必须将图像读入，进行滤波处理。
依据边缘提取原理依次将100、50、1的相关的边缘即整个图像的整体轮廓提取出来。
计算出长度与宽度的比值，以此相应的三个值，设置相应阈值为判断面值的依据。
本课题所采用的主色调法识别面值，算法简单。
识别速度快准确度高，不易受纸币破损，褶皱影响。
3基于纸币序列号的特征提取和算法研究
3.1纸币序列号识别算法的简述
序列号识别的步骤较多。
但是可以概括成如下两点：
（1）首先是原图像的粗略定位截取，通过边缘检测技术，图像加强，图像滤波等形态学预处理。
实现对纸币序列号字符串的精确定位，把序列号字符串分割出来。
（2）对字符串图像处理，经过阈值选取二值化和字符分割后，再归一化保存。
最后进行分割图像与模板库的模板进行匹配，最后输出匹配结果，来完成对序列号的识别，
3.2纸币序列号的粗略截取
3.2.1图像粗略定位
纸币上的序列号是纸币身份的标识，每张都不重复。
我们对纸币号码区域的研究的重要性不言而喻。
在各套人民币中，纸币序列号的位置相对固定。
纸币的序列号字符串区域都在在纸币的左下角，高度差不多占整个纸币高度的10%到35%左右，长度差不多占整个纸币长度的3%到30%的左右。
这对序列号字符串区域定位有很大的帮助，我们可以根据这些数据，先粗略分割出纸币号码区域，这样可以减少运算量。
下面我们以100元纸币为例，采用坐标粗略定位分割,再对其精确分割[6]。
以图3.1所示，人民币图像在坐标系中显示：
图3.1100纸币在坐标系中显示
再根据纸币系列号字符串的固定位置，通过坐标系，粗略截取出含有序列号字符串的区域。
粗略截取图像如图3.2和主要算法程序如下所示：
I=imread（'
E:
\money\100-1.jpg'
figure
（1）,imshow（I）;
原始图像'
axison;
%显示坐标
I=imcrop（I,[1,225,225,450]）;
%目标区域粗略截取
图3.2目标区域粗略截取
3.2.2图像的灰度化
由于纸币图像无论扫描仪或照相机采集都是RGB图像即为真彩图像，根据三基色原理，每一种颜色都是可以由红、绿、蓝三种颜色按不同的比例构成，所以它的每一个像素都是由3个数值来指
升级会员 