基于WBCT與模糊邏輯的紙幣圖像特征提取方法研究.pdf

1、紙幣圖像特征提取技術(shù)是紙幣清分機系統(tǒng)的一個重要研究課題，具有極強的技術(shù)挑戰(zhàn)性和行業(yè)需求性，是金融機構(gòu)設(shè)備研究的重點。紙幣清分機的推廣和應(yīng)用，可以大大提高銀行現(xiàn)金處理業(yè)務(wù)自動化水平，加快現(xiàn)金的周轉(zhuǎn)速度，減少庫存資金占壓，盤活資金存量，經(jīng)濟效益明顯。
　　 本文分析了紙幣圖像特征提取技術(shù)的國內(nèi)外發(fā)展現(xiàn)狀和紙幣圖像的重要紋理特征，研究了紙幣圖像的預(yù)處理方法。針對數(shù)據(jù)庫中的紙幣圖像，采用了直方圖規(guī)定化，高斯平滑和圖像幾何校正這三種方法對

2、其進行預(yù)處理。
　　 首先，在分析了Haar小波變換、模糊邏輯及模糊空間邏輯的基礎(chǔ)上，研究了基于Haar小波和模糊邏輯的紙幣圖像特征提取方法。對預(yù)處理后的紙幣圖像進行Haar小波分解操作，提取出圖像的低頻和高頻系數(shù)，在此基礎(chǔ)上引入模糊邏輯方法，把提取的系數(shù)分別作為語言變量，并構(gòu)造出相應(yīng)的隸屬度函數(shù)，在模糊特征空間中求出每個模糊區(qū)域?qū)?yīng)的激活強度值，將這些激活強度值進行歸一化處理后得出紙幣特征向量，采用BP神經(jīng)網(wǎng)絡(luò)分類器對提取的紙

3、幣特征向量進行訓(xùn)練識別。實驗結(jié)果表明，該方法具有較高的識別率。
　　 其次，在分析了Contourlet變換的基礎(chǔ)上，研究了基于Contourlet變換和模糊邏輯的紙幣圖像特征提取方法。對預(yù)處理后的紙幣圖像進行Contourlet變換，提取紙幣圖像在不同尺度不同方向上的變換系數(shù)，把提取的系數(shù)作為語言變量，計算出模糊特征空間中每個模糊區(qū)域的激活強度值，并將其進行歸一化處理后得到紙幣的特征向量，采用BP神經(jīng)網(wǎng)絡(luò)作為識別分類器。實驗結(jié)

4、果表明，該方法與Haar小波和模糊邏輯相結(jié)合的算法相比，提高了識別率，降低了拒識率。
　　 最后，在分析了小波-Contourlet變換(WBCT)的基礎(chǔ)上，提出了基于WBCT和模糊邏輯的紙幣圖像特征提取方法。對預(yù)處理后的紙幣圖像進行WBCT變換，得到的變換系數(shù)作為模糊系統(tǒng)的輸入，計算出每個模糊區(qū)域經(jīng)過歸一化的激活強度值，得到紙幣圖像的特征向量，最后采用BP神經(jīng)網(wǎng)絡(luò)分類器對提取的紙幣特征向量進行訓(xùn)練識別。實驗結(jié)果表明，該方法與比