一种基于随机森林的钞票鉴伪方法

摘要

本发明涉及钞票防伪研究领域，具体涉及一种基于随机森林的钞票鉴伪方法，基于传感器获取的钞票的多光谱图像，利用嵌入式设备芯片进行处理，包括：由采集到的原始图像及其梯度图像截取特定区域进行特征提取，获得分类所需的多个特征；创建单棵决策树，从根节点开始节点拆分，直至到达叶子节点；建立多棵决策树的随机森林。通过上述方式，建立了可在嵌入式设备上实现的随机森林分类器，能够在使用如DSP芯片作为处理器的点钞机上实现钞票的鉴伪工作，提高了点钞机中钞票鉴伪的性能，能够准确鉴别真钞中混杂的假钞并分类，而且计算速度快，能满足设备的实时性要求。克服了传统的鉴伪方法识别未知假币和新币种的能力较弱的缺陷。

主权项

一种基于随机森林的钞票鉴伪方法，其特征在于：包括以下步骤：S1.钞票图像的特征提取：采集钞票的多光谱图像，截取特定区域，采用SSIM方法，得到多个鉴伪指标，多个鉴伪指标通过线性组合得到真假钞分类所需的n个特征；S2.样本训练：依据所提取的特征F1、F2、…、Fm和待鉴钞票的训练样本，采用随机森林方法进行训练；创建决策树，对训练样本有放回地随机抽样得到N个样本及其响应，真钞为1，假钞为0；S3.节点拆分：S31.从根节点开始节点拆分，拆分的终止条件为树到达最大深度或节点样本数到达最小，若为根节点，重新计算正、负样本的概率prior，与正、负样本数加权，并归一化，得到新的prior，计算每个节点的value，(1)式中P1为正样本概率，P0为负样本概率，N_正为正样本数，N_负为负样本数；随机抽取M个不重复的特征并确定每个特征的最佳拆分阈值；具体包括以下步骤：S311.对抽取到的每个特征，将训练数据由小到大排序，从最左边的数据起作为拆分点，计算分裂质量，找出分裂质量最高的点并得到拆分阈值，由此选定具有最高分裂质量的特征作为分裂特征；S32.对所述选定的分裂特征，小于其拆分阈值的样本归入左节点，大于或等于其拆分阈值的样本归入右节点，递归运算继续进行节点拆分直至达到终止条件；S4.误差估计：一棵树训练完成后进行oob误差估计，将训练树时没有被抽到的训练样本作为oob样本，放到该树中预测分类，若oob误差率太大则丢弃当前树，重新训练一棵树；S5.钞票鉴伪结果：所有树训练完成后，得到随机森林，待鉴钞票的测试样本作为输入，放到随机森林中预测分类得到分类结果，实现钞票的鉴伪功能。