多模態(tài)紙幣圖像分析關(guān)鍵技術(shù)研究及其應(yīng)用.pdf

1、紙幣是一個(gè)國家的名片，流通紙幣的清潔程度反映了一個(gè)國家的文明程度，體現(xiàn)了一個(gè)國家的實(shí)力與地位。紙幣圖像包含了可見光圖像信息、紅外光圖像信息、紫外光圖像信息以及磁圖像信息、紙張厚度信息等多類別多模態(tài)信息。通過對(duì)紙幣圖像的分析與理解能夠高可靠地對(duì)紙幣進(jìn)行分類，并且檢測(cè)出假幣、舊幣、殘幣以及不易流通的紙幣，保證流通紙幣的安全性、可靠性和整潔性。本文重點(diǎn)研究了紙幣圖像分析的幾個(gè)關(guān)鍵技術(shù)，并構(gòu)建了一個(gè)實(shí)際紙幣清分系統(tǒng)，具體研究?jī)?nèi)容如下：
　

2、　(1)首先針對(duì)傳統(tǒng)紙幣圖像特征提取方法中掩模特征穩(wěn)定性欠佳與網(wǎng)格特征不易區(qū)分風(fēng)格相近紙幣圖像的缺陷，研究了基于離散 Haar小波變換與模糊邏輯相結(jié)合的紙幣圖像特征提取方法。首先使用Haar小波對(duì)紙幣圖像進(jìn)行分解操作，提取出紙幣圖像的低頻小波系數(shù)與高頻小波系數(shù)。在此基礎(chǔ)上通過引入模糊邏輯的方法來描述紙幣圖像的灰度模糊性，分別把提取的小波系數(shù)作為語言變量，輸入到相應(yīng)的隸屬度函數(shù)中，在模糊特征空間中求出每個(gè)模糊區(qū)域?qū)?yīng)的激活強(qiáng)度值，將這些激

3、活強(qiáng)度值進(jìn)行歸一化處理后構(gòu)成紙幣特征向量，最后使用神經(jīng)網(wǎng)絡(luò)分類器對(duì)紙幣圖像進(jìn)行識(shí)別。提取的紙幣特征向量具有較好的可區(qū)分性與抗干擾性，解決了低質(zhì)量紙幣圖像如污損圖像、受到噪聲干擾的圖像以及扭曲變形紙幣圖像的識(shí)別不一致性問題。
　　(2)針對(duì)小波變換不具備靈活的方向選擇性，而且不能最優(yōu)地稀疏表示圖像的缺陷，提出了一種基于Contourlet變換與模糊邏輯相結(jié)合的紙幣圖像特征提取方法。由于紙幣圖像具有豐富的紋理結(jié)構(gòu)特征信息，因此通過將紙

4、幣圖像分解為不同尺度不同方向的子帶來達(dá)到區(qū)分不同紙幣圖像紋理特征區(qū)域的目的。解決了低質(zhì)量紙幣圖像識(shí)別性能較差的問題，具有高穩(wěn)定性與可靠性。根據(jù)紙幣圖像經(jīng)過 Contourlet變換后各子帶系數(shù)分布的統(tǒng)計(jì)特性，研究了基于Contourlet變換與混合高斯模型相結(jié)合的紙幣圖像分類方法，該方法首先對(duì)紙幣圖像進(jìn)行 Contourlet變換，采用混合高斯模型描述紙幣圖像變換系數(shù)的統(tǒng)計(jì)分布；然后運(yùn)用最大似然估計(jì)算法訓(xùn)練模型參數(shù)，并且將訓(xùn)練得到的模型

5、參數(shù)集合作為特征向量進(jìn)行識(shí)別。該方法首次將統(tǒng)計(jì)建模思想引入到紙幣識(shí)別過程中。
　　(3)為了能更好地捕獲紙幣圖像紋理特征信息與局部相位特征信息，研究了基于旋轉(zhuǎn)四元數(shù)小波變換的紙幣圖像分類方法。旋轉(zhuǎn)四元數(shù)小波變換是通過重新構(gòu)造四元數(shù)小波變換中的Garbor濾波器來實(shí)現(xiàn)的。其中旋轉(zhuǎn)四元數(shù)小波變換由一個(gè)幅值與三個(gè)四元相位組成，其中兩個(gè)四元相位表示紙幣圖像的局部位移信息，第三個(gè)四元相位表示紙幣圖像紋理信息，幅值表示四元相位信息變化趨勢(shì)，同

6、時(shí)四元數(shù)旋轉(zhuǎn)小波變換具有平移不變性。首先運(yùn)用旋轉(zhuǎn)四元數(shù)小波變換對(duì)紙幣圖像進(jìn)行分解操作；然后計(jì)算每個(gè)分解子帶系數(shù)的能量與標(biāo)準(zhǔn)差；最后運(yùn)用支持向量機(jī)進(jìn)行紙幣圖像識(shí)別。該方法取得了較高的識(shí)別率并且能夠滿足清分系統(tǒng)的實(shí)時(shí)性要求。
　　(4)為了提高紙幣圖像污損檢測(cè)的準(zhǔn)確率，同時(shí)減少撕裂與筆跡等現(xiàn)象對(duì)污損檢測(cè)造成的影響，提出了一種基于小波變換的紙幣圖像污損檢測(cè)方法。首先采用基于小波變換的圖像配準(zhǔn)等價(jià)性框架對(duì)紙幣圖像進(jìn)行配準(zhǔn)；然后運(yùn)用Kirs