基于多光譜圖像的澳元防偽鑒定研究.pdf

1、澳元多光譜圖像防偽鑒定技術(shù)是紙幣防偽領(lǐng)域研究的熱點問題，關(guān)系到國家的金融安全，有重要的理論研究價值和廣泛的應(yīng)用背景。澳元多光譜圖像包含了澳元可見光圖像信息、紅外光圖像信息及紫外光圖像信息。通過澳元多光譜圖像能夠可靠地對澳元進行分類，并且能夠穩(wěn)定的檢測出傳統(tǒng)防偽技術(shù)無法識別的假幣、變造幣以及不宜流通的紙幣，保證流通澳元的安全性和可靠性。
　　國內(nèi)對澳元塑料幣的研究還處在起步階段，特別是澳元塑料幣相比其他紙幣而言有很多不同的防偽特性，

2、傳統(tǒng)的紙幣圖像鑒偽識別算法并不適用。澳元多光譜圖像防偽鑒定算法面臨的主要問題是：澳元多光譜圖像背景復雜，色彩鮮艷，紋理豐富；流通澳元存在不同程度的新舊、磨損，污染等情況；澳元采用了塑料材料和透明視窗等多種新型防偽技術(shù)。這對在圖像預處理、面額面向識別及真?zhèn)巫R別四個階段都提出了非常高的要求。
　　針對以上幾個問題，首先對澳元的防偽特性進行了分析，改進了邊緣檢測算法；其次，本文提出了基于紅外光譜圖像的澳元面額、面向識別算法，該算法結(jié)合澳

3、元所特有的透明視窗技術(shù)，以紅外光譜圖像為研究對象，提取透明視窗作為特征區(qū)域，完成了對澳元面額和面向的識別工作。然后，采用區(qū)域?qū)Ρ炔呗?，有針對性地提出了多光譜圖像特征區(qū)域選取算法，并在此基礎(chǔ)上提出了基于灰度有效信息的改進特征，有效灰度分布的特征和基于灰度共生矩陣的澳元紋理結(jié)構(gòu)特征提取算法。最后，為了提高分類能力，本文還引入了監(jiān)督式的訓練方法，提出了基于SVM的澳元分類算法。解決了傳統(tǒng)紙幣圖像鑒偽識別算法在對澳元進行識別時抗干擾能力弱、運算