基于DM642和直推式支持向量機的紙幣圖像識別研究.pdf

1、隨著經(jīng)濟的迅速發(fā)展，紙幣的流通量變得越來越大。繁多的紙幣種類及龐大的流通量對紙幣處理的機具提出了更高的要求。2011年國家頒布實施了《人民幣鑒別儀通用技術(shù)條件》。新國標要求A類標準的點鈔機要具備9種以上的檢測技術(shù)，對紙幣圖像分析鑒別技術(shù)提出了明確的要求，必須具備紫外、白光以及紅外圖像的分析鑒別技術(shù)。此外，國內(nèi)對高性能的清分機的需求也越來越迫切。本文針對新國標及清分機對紙幣圖像的要求，改進了紙幣圖像的處理識別算法，采用了省時的硬件數(shù)據(jù)傳送

2、模式，研究了紙幣圖像識別中實時性和準確性的問題。
　　首先，本文研究了紙幣圖像的預(yù)處理算法，包括亮度補償、邊緣檢測、幾何校正、提取圖像等幾部分內(nèi)容。在預(yù)處理算法中采用了快速邊緣檢測算法，縮短了預(yù)處理的時間;將雙線性插值應(yīng)用于圖像的幾何校正，改善了圖像的質(zhì)量;最后通過圖像投影的平均灰度值進行了準確的定位，分離出紙幣圖像。
　　其次，本文提出了一種改進的紙幣圖像特征提取方法，以特征區(qū)域紋理的二階統(tǒng)計量作為圖像的特征，再與網(wǎng)格法相

3、結(jié)合，縮小了灰度共生矩陣的窗口，提高了圖像的抗干擾性，得到每個網(wǎng)格內(nèi)圖像的紋理特征。這種方法提取的特征具有很好的推廣能力。
　　然后，識別算法采用改進的直推式支持向量機對紙幣圖像進行分類識別，該種算法不但減小了人工標注大量樣本的手動操作量，縮短了直推式支持向量機的訓練時間，而且提高了分類的識別率。除了把紋理特征輸入支持向量機進行訓練、識別的方法外，本文還采用了紙幣圖像的二維模板匹配算法和一維灰度投影的模板匹配算法，但兩種方法的識別